KI News: Kurz und klar.

Die Forschung zum „Machine Unlearning“ für große Sprachmodelle (LLMs) hat ein neues Problem ans Licht gebracht: Die gängigen Evaluationsmetriken, die auf einfachen, harmlosen Abfragen basieren, können oft nur oberflächliche Informationsreduktionen erkennen. Dadurch bleibt unklar, ob sensible oder urheberrechtlich geschützte Daten tatsächlich aus dem Modell entfernt wurden.

Mistral AI hat die neue Produktfamilie Voxtral Transcribe 2 vorgestellt, die automatische Spracherkennung (ASR) für mehrsprachige Produktionsumgebungen auf ein neues Level hebt.

Die automatische Spracherkennung (ASR) birgt enormes Potenzial, die Arbeitsbelastung von medizinischem Personal zu verringern – etwa durch die Automatisierung von Dokumentationsaufgaben. Trotz zahlreicher Benchmarks für Englisch fehlt bislang eine gründliche Bewertung deutscher medizinischer Sprachdaten, insbesondere wenn Dialekte berücksichtigt werden.

Automatische Spracherkennungssysteme (ASR) verlieren in lauten Umgebungen stark an Genauigkeit – ein Problem, das bei ressourcenarmen Sprachen wie Persisch besonders gravierend ist. Selbst hochentwickelte Modelle wie Whisper kämpfen, wenn das Signal‑Rausch‑Verhältnis (SNR) abnimmt.

V-Agent ist eine neuartige Multi‑Agent-Plattform, die fortschrittliche Videosuche mit interaktiven Gesprächen zwischen Nutzer und System kombiniert. Durch die Feinabstimmung eines Vision‑Language‑Modells (VLM) auf einem kleinen Datensatz von Videopräferenzen und die Ergänzung um einen Retrieval‑Vektor aus einem Bild‑Text‑Retrieval‑Modell überwindet V-Agent die Schwächen herkömmlicher textbasierter Suchsysteme in multimodalen Szenarien.

Meta hat heute ein neues, mehrsprachiges automatisches Spracherkennungssystem (ASR) vorgestellt, das mehr als 1.600 Sprachen unterstützt – ein Quantensprung gegenüber OpenAIs Whisper, das lediglich 99 Sprachen abdeckt. Das Modell setzt damit neue Maßstäbe in der globalen Sprachtechnologie.

Reine Optimierung von ASR‑Modellen und der Word‑Error‑Rate reicht für moderne, interaktive Sprachagenten nicht mehr aus. Um die tatsächliche Nützlichkeit und Sicherheit dieser Systeme zu beurteilen, müssen neue Messgrößen herangezogen werden, die das komplette Nutzererlebnis abbilden.

In der neuesten Forschung wird gezeigt, dass große Sprachmodelle (LLM) bei der Erkennung von Gesprächen mehrerer Sprecher deutlich profitieren, wenn sie mit gezielten Prompting-Strategien unterstützt werden. Traditionelle LLM‑basierte Systeme für Mehrsprecher‑ASR setzen meist keine Prompts ein oder nutzen nur einfache Aufgabenbeschreibungen, was die Leistungsfähigkeit begrenzt.

Das Allen Institute for AI (AI2) hat die neue OLMoASR-Suite veröffentlicht, die offene automatische Spracherkennungsmodelle (ASR) bereitstellt, die mit dem geschlossenen System OpenAI Whisper konkurrieren. Durch die Veröffentlichung von Modellgewichten, Trainingsdaten-IDs, Filtern, Rezepten und Benchmark-Skripten setzt AI2 einen bemerkenswert transparenten Standard in der ASR-Forschung.

Transsion hat ein neues mehrsprachiges ASR‑System vorgestellt, das im Track 1 der MLC‑SLM 2025‑Challenge eingesetzt wurde.

NVIDIA AI hat mit der Veröffentlichung von Granary einen Meilenstein in der Entwicklung mehrsprachiger Sprach‑KI gesetzt. Das neue Datenset ist das größte Open‑Source‑Projekt, das sich auf europäische Sprachen konzentriert und damit einen wichtigen Beitrag zur Förderung von ASR‑ und AST‑Forschung leistet.