aiOla 发布实时遮蔽敏感信息的开源音频转录模型 Whisper-NER
近日，aiOla 宣布推出一款名为 Whisper-NER 的开源人工智能音频转录模型。该模型可以在转录过程中实时屏蔽敏感信息。
主要特点：
-
基于 OpenAI 的标准开源模型 Whisper 构建：Whisper-NER 是完全开源的，用户可以访问 Hugging Face 和 GitHub 平台进行使用、调整和部署。
-
灵活配置选项：用户可根据需求选择是否启用屏蔽敏感信息的功能。当此功能开启时，模型将自动识别并隐藏个人信息如姓名、地址和电话号码等，有效防止隐私泄露。
-
高效准确的转录能力：Whisper-NER 模型支持多种语言及口音，适用于跨国多语言环境中的音频记录与分析，例如企业可以更精准地收集并分析来自不同地区的语音反馈以提高服务质量。
-
鼓励开发和研究：aiOla 鼓励开发者和研究人员利用此开源模型进行功能增强。用户可以通过访问开放源代码平台对模型进行修改优化，这不仅提高了模型的实用性，还促进了人工智能技术的发展。
特别应用领域：
该模型在法律、医疗保健和教育等行业中尤为重要，因为它可以保护隐私信息，使敏感数据得到妥善处理。
开放许可：
Whisper-NER 模型基于 MIT 许可协议，允许用户自由使用、修改及部署，包括商业用途。用户现在还可以通过 Hugging Face 尝试演示模型，并录制语音片段以查看特定词句在生成的文本中被屏蔽的效果。
