Patientdesk.ai, Türkçe için geliştirdiği metinden sese modeli Alania ile sesten metne modeli Duyu’yu kullanıma açtı. Tek bir API anahtarı üzerinden erişilebilen modeller, lansmana özel olarak her hesap için kayıt tarihinden itibaren bir ay boyunca ücretsiz sunuluyor.
Duyu, kayıtlı ses dosyalarını metne dönüştürüyor ve canlı konuşmaları gerçek zamanlı olarak yazıya aktarıyor. Model açık Türkçe konuşma veri seti FLEURS’ta %4.71 kelime hata oranı elde ederek OpenAI’ın %5.04 hata oranına sahip Whisper large-v3 modelini geride bıraktı.
Telefon kalitesindeki konuşmalardan oluşturduğu kendi test setinde Duyu’nun hata oranı %9.87 olurken, e-posta adresleri ve telefon numaralarının da yer aldığı bu sette ElevenLabs’in Scribe v2 modeli yüzde %10.4 seviyesinde kaldı.
Alania ise Türkçe metinleri tek bir ses üzerinden doğal ve tutarlı biçimde seslendirmek üzere geliştirildi. Model, oluşturduğu sesi cümlenin tamamlanmasını beklemeden akış halinde aktarabiliyor. Özellikle telefon görüşmeleri ve sesli asistanlar gibi düşük gecikmenin önemli olduğu kullanım alanlarına uygun hale getirildi.
Her iki model de geliştiricilerin yaygın olarak kullandığı OpenAI API formatıyla uyumlu çalışıyor. Bu sayede mevcut uygulamalara modelleri entegre etmek için kapsamlı değişiklikler yapmak gerekmiyor. Geliştiriciler, speech.patientdesk.ai üzerinden modelleri tarayıcıda deneyebiliyor ve API anahtarı oluşturabiliyor.
Patientdesk.ai, Alania ve Duyu’dan ayrı olarak deneysel Türkçe metinden sese modeli Antalia-1'i de açık kaynak olarak yayımladı. Tek bir sesle eğitilen modelin ağırlıkları, kaynak kodu ve teknik raporu Hugging Face üzerinden erişime sunulurken, çalışmada kullanılmasına izin veren bir seslendirme sanatçısının 5 saatlik ses kayıtlarından oluşan veri seti de paylaşıldı.
Popüler İçerikler