Patientdesk.ai推出了两款专为土耳其语设计的语音模型：用于文本转语音的Alania，以及用于语音转文本的Duyu。两款模型可通过同一个账户和同一个API密钥使用；作为发布优惠，用户自注册之日起可免费使用一个月。
为土耳其语挑战而设计的模型
该公司表示，两款模型的开发源于许多语音人工智能解决方案主要依赖英语数据这一问题。公司还指出，土耳其语的黏着性特征、专有名词、电话通话中的低音质，以及电子邮件地址和电话号码的读法，都给通用模型带来了实际挑战。
Patientdesk.ai利用其开发语音助手的经验，为美国诊所接听电话，并在此基础上训练Alania和Duyu，重点面向土耳其语使用场景。
Duyu的语音转文本表现
根据公司公布的数据，Duyu在公开的土耳其语FLEURS测试中实现了4.71%的词错误率，而OpenAI的Whisper large-v3在同一测试中的词错误率为5.04%。
在一组包含电话音质语音，以及提及电子邮件地址和电话号码的对话的内部测试中，Duyu的错误率为9.87%；公司报告称，ElevenLabs Scribe v2在同一测试集上的错误率为10.4%。材料没有说明测试集规模或测试方法，因此应将这一比较视为公司公布的结果，而不是全面的独立评估。
Duyu能够处理录音文件，并将实时对话转换为文本，因此面向即时转录和语音通话应用。
Alania与低延迟语音流
Alania专注于以一致且自然的单一声音朗读土耳其语文本。该模型能够在句子完成之前以流式方式发送音频，这一特性适合电话通话和受响应速度影响的语音助手。目前，该平台提供一个语音选项，并提供与预约、提问和安抚等场景相关的语调选项。
API集成与开放研究项目
两款模型均兼容常见的OpenAI API格式，使开发者只需进行有限修改即可将其集成到现有应用中。Patientdesk.ai还支持通过浏览器试用模型并创建API密钥。
与此同时，该公司发布了Antalia-1，这是一个用于文本转语音的实验性土耳其语开源模型。该版本包括模型权重、代码、技术报告以及约五小时的土耳其语语音数据。公司将这一研究项目与其商业产品区分开来。
实际改变了什么？
此次发布为开发者提供了一个面向特定土耳其语使用场景的选项，尤其适用于通话以及包含电话号码和电子邮件地址的数据。不过，仅凭已公布的比较结果，尚不足以判断其在所有环境中的质量；此外，Alania目前仅提供一个语音，也限制了使用灵活性。至于Antalia-1，它为研究人员提供了一个可检查和开发的起点，但性能评估和实际许可仍不在材料所提供的细节范围内。