Patientdesk.ai hat zwei auf die türkische Sprache spezialisierte Sprachmodelle veröffentlicht: Alania zur Umwandlung von Text in Sprache und Duyu zur Umwandlung von Sprache in Text. Beide Modelle können über ein einziges Konto und einen einzigen API-Schlüssel genutzt werden, mit einem einmonatigen kostenlosen Nutzungszeitraum ab dem Registrierungsdatum im Rahmen des Einführungsangebots.
Modelle für die Herausforderungen der türkischen Sprache
Nach Angaben des Unternehmens ging die Entwicklung der beiden Modelle von dem Problem aus, dass viele Lösungen für künstliche Sprachintelligenz hauptsächlich auf englischen Daten basieren. Außerdem stellten die agglutinierende Natur der türkischen Sprache, Eigennamen, die geringe Audioqualität bei Telefongesprächen sowie die Aussprache von E-Mail-Adressen und Telefonnummern praktische Herausforderungen für allgemeine Modelle dar.
Patientdesk.ai nutzte seine Erfahrung bei der Entwicklung eines Sprachassistenten, der Anrufe von Kliniken in den Vereinigten Staaten beantwortet, und trainierte anschließend Alania und Duyu mit einem Schwerpunkt auf türkischen Anwendungsfällen.
Die Leistung von Duyu bei der Umwandlung von Sprache in Text
Den vom Unternehmen veröffentlichten Zahlen zufolge erzielte Duyu beim offenen türkischen FLEURS-Test eine Wortfehlerrate von 4,71 %, verglichen mit 5,04 % für OpenAIs Modell Whisper large-v3 im selben Test.
In einer internen Testreihe mit Audioaufnahmen in Telefonqualität und Gesprächen, in denen E-Mail-Adressen und Telefonnummern genannt werden, verzeichnete Duyu eine Fehlerrate von 9,87 %, während das Unternehmen für ElevenLabs Scribe v2 in derselben Testreihe eine Rate von 10,4 % angab. Der Artikel erläutert weder die Größe der Testgruppe noch ihre Methodik. Daher sollte der Vergleich als vom Unternehmen veröffentlichte Ergebnisse und nicht als umfassende unabhängige Bewertung gelesen werden.
Duyu kann aufgezeichnete Audiodateien verarbeiten und Live-Gespräche in Echtzeit in Text umwandeln, wodurch es sich für Anwendungen zur sofortigen Transkription und für Sprachanrufe eignet.
Alania und Audio-Streaming mit geringer Latenz
Alania konzentriert sich darauf, türkische Texte mit einer einheitlichen und natürlichen Stimme vorzulesen. Das Modell kann Audio als Stream senden, bevor der Satz vollständig ist. Diese Eigenschaft eignet sich für Telefongespräche und Sprachassistenten, bei denen die Reaktionsgeschwindigkeit eine wichtige Rolle spielt. Die Plattform bietet derzeit eine einzige Stimme sowie Intonationsoptionen für Kontexte wie Termine, Fragen und Beruhigung.
API-Integration und ein offenes Forschungsprojekt
Beide Modelle sind mit dem verbreiteten OpenAI-API-Format kompatibel, sodass Entwickler sie mit begrenzten Änderungen in bestehende Anwendungen integrieren können. Patientdesk.ai ermöglicht außerdem das Testen der Modelle im Browser und das Erstellen von API-Schlüsseln.
Parallel dazu veröffentlichte das Unternehmen Antalia-1 als experimentelles türkisches Open-Source-Modell zur Umwandlung von Text in Sprache. Die Veröffentlichung umfasst die Modellgewichte, den Code, einen technischen Bericht und etwa fünf Stunden türkischer Sprachdaten. Das Unternehmen grenzt dieses Forschungsprojekt von seinen kommerziellen Produkten ab.
Was ändert sich in der Praxis?
Die Veröffentlichung bietet Entwicklern eine Option für spezifische türkische Anwendungsfälle, insbesondere für Gespräche und Daten, die Zahlen und E-Mail-Adressen enthalten. Die veröffentlichten Vergleiche reichen jedoch allein nicht aus, um die Qualität in allen Umgebungen zu beurteilen. Zudem schränkt die derzeitige Verfügbarkeit nur einer Stimme bei Alania die Flexibilität der Nutzung ein. Antalia-1 bietet Forschern dagegen einen überprüfbaren und weiterentwickelbaren Ausgangspunkt, während die Leistungsbewertung und die praktische Lizenzierung außerhalb der in diesem Artikel enthaltenen Details bleiben.