Разработчик AI BPA платформы Ainergy протестировал скорость распознавания и преобразования речи в текст с использованием нейросетевой модели WhisperX. Результатом исследования стало достижение высокого темпа обработки аудиофайлов — 9,5 секунд на одну минуту аудио.

В ходе исследования платформа Ainergy с предустановленной LLM обработала аудиофайл продолжительностью 8 минут всего за 1 минуту 12 секунд. Такая высокая производительность возможна благодаря нейросетевому механизму обработки аудиофайлов. Модель WhisperX преобразует аудио в текст через несколько этапов: сначала звук разбивается на сегменты и превращается в спектрограмму — визуальное представление звуковых частот и амплитуд. Архитектура на основе трансформеров обрабатывает эти данные: кодировщик выделяет акустические паттерны (фонемы, интонации), а декодировщик формирует из них слова, учитывая контекст.

«Полученные результаты демонстрируют высокий потенциал технологии WhisperX в решении задач по обработке аудиоданных. Достигнутая скорость обработки открывает новые возможности для наших клиентов в различных секторах бизнеса», — отмечает Владимир Молодык, генеральный директор Ainergy.

Ainergy продолжает совершенствование технологий обработки аудиоданных. Уже сейчас проводится тестирование новой версии модели Whisper, которая потенциально может ускорить время обработки запросов в два раза, по сравнению с текущими показателями.

Справочно:

Ainergy - российский разработчик AI BPA платформы для автоматизации бизнес-процессов с помощью генеративных нейросетей. Платформа позволяет гибко внедрять функции генеративного ИИ и автономных агентов на основе LLM в корпоративные процессы. Ключевые особенности: оркестрация нейросетей, разработка ИИ-процессов, создание интеллектуальных виджетов, построение автоматизированных пайплайнов, управление ИИ-агентами, интеграционные возможности, безопасность данных, мониторинг и аналитика. Компания занимается разработкой решений на базе нейросетей с 2014 года. В 2023 году Ainergy заключила партнерство с SimpleOne и выпустила первую версию платформы.