实时脱敏AI语音转录开源模型发布

对于希望利用人工智能模型转录音频，特别是来自高管、员工和客户的人类语音的企业来说，可能对人工智能程序监听和记录敏感信息的想法感到担忧。

然而，以色列音频人工智能初创公司 aiOla 推出了一个新的模型，旨在解决这一问题。该模型名为 Whisper-NER，基于 OpenAI 的行业标准开源模型 Whisper，本身也是完全开源的，现在已在 Hugging Face 和 Github 上提供给企业组织和个人使用、调整、修改和部署。

它将自动语音识别 (ASR) 与命名实体识别 (NER) 相结合。这一创新旨在通过在转录过程中自动识别和屏蔽敏感信息（如姓名、电话号码和地址）来增强隐私。

用户可以在 Hugging Face 上试用演示模型，录制语音片段，并让模型在生成的文字转录中屏蔽他们输入的特定单词。在我的简短测试中，该模型成功地屏蔽了我的语音中的“VentureBeat”一词，这是一个专有名词。

Whisper-NER 解决了一个重大挑战：确保语音内容转录的隐私和数据保护法规合规性。该模型处理音频文件，并同时应用 NER 在转录管道中直接标记或屏蔽特定类型的敏感信息。与传统的多个步骤系统不同，传统的多个步骤系统在中间处理阶段会暴露数据，Whisper-NER 消除了对单独的 ASR 和 NER 工具的需求，从而减少了数据泄露的风险。

“我们将其设计为一个开源工具，以促进人工智能领域的隐私，”aiOla 研究副总裁吉尔·赫茨 (Gill Hetz) 在最近的一次视频通话采访中对 VentureBeat 表示。“它帮助用户屏蔽敏感数据，无需额外的软件步骤。”

此前，aiOla 因发布能够准确可靠地识别行业特定术语并进行转录的 Whisper 变体以及速度更快的语音转文本和语音识别模型而闻名。

Whisper-NER 完全开源，并根据 MIT 许可证提供，允许用户自由采用、修改和部署它，包括用于商业应用。

该模型可以在 GitHub 和 Hugging Face 上访问，确保其先进功能广泛可用。还提供了一个演示，帮助用户探索其功能和适应性。

开源发布符合 aiOla 促进协作和创新的理念。

“当人们协作时，人工智能才能向前发展，”赫茨说。“这就是我们使该模型开源的原因——鼓励社区采用和改进它。”

Whisper-NER 基于 OpenAI 的 Whisper 框架构建，在合成语音和基于文本的 NER 数据集的合成数据集上进行训练。这种独特的训练方法使该模型能够同时处理转录和实体识别任务，从而提供更高的准确性。

“我们没有将 ASR 转录和 NLP [自然语言处理] 实体提取分开，而是在一个模块中解决了这两个问题，”赫茨说。“在提取文本时，该模型会同时识别指定的实体。”

这种集成方法（在发布到开放访问、非同行评审网站 arXiv.org 的研究论文中进行了描述）不仅简化了工作流程，而且显着增强了数据安全性。

此外，Whisper-NER 支持零样本学习，使其能够识别和屏蔽在训练期间未明确包含的实体类型。

Whisper-NER 的灵活性使其适用于各种用例，包括合规性监控、库存管理、质量保证等等。

对于不需要屏蔽的应用程序，可以将该模型配置为仅标记敏感实体，为组织提供可定制的选项以满足其需求。

“医疗保健和法律等高度监管行业从我们的隐私优先方法中获益最多，但即使是敏感数据有限的公司也可以使用这项技术，”赫茨说。

Whisper-NER 代表了道德人工智能开发的进步，它使安全、以隐私为中心的转录成为可能。其开源可用性确保开发人员、研究人员和组织可以自由地将该模型纳入其运营中。通过降低与数据泄露相关的风险，它符合医疗保健、法律和客户服务等行业对安全、人工智能驱动的解决方案日益增长的需求。

“这个基于 Whisper 构建的版本最适合英语，但支持多种语言。开源贡献者可以进一步调整它以适应不同的语言和术语，”赫茨解释说。aiOla 鼓励全球贡献，以扩展该模型的覆盖范围和功能。

随着 Whisper-NER 现在向公众开放，aiOla 重申了其致力于创建负责任的人工智能工具的承诺，这些工具优先考虑用户隐私和安全，同时通过开放访问促进协作和创新。