KI News: Kurz und klar.

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.

In der Welt der automatischen Spracherkennung hat das neue Modell FastWhisper einen bedeutenden Fortschritt erzielt. Durch die Anwendung einer adaptiven Selbstdistillation, die die Abhängigkeit vom Lehrmodell reduziert, konnte ein kompakteres Modell entstehen, das nicht nur schneller, sondern auch genauer arbeitet.

Multimodale Grundmodelle, die Audio, Vision und Sprache kombinieren, erzielen beeindruckende Leistungen bei komplexen Aufgaben, doch ihre Widerstandsfähigkeit gegen gezielte Störungen ist bislang wenig erforscht. In einer neuen Studie wurden realistische, audio‑nur‑basierte Angriffe auf trimodale Audio‑Video‑Sprachmodelle untersucht.

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.

Das Whisper‑Modell, ein Open‑Source-System für automatische Spracherkennung, ist wegen seiner starken Leistung in multilingualen und Zero‑Shot‑Umgebungen weltweit beliebt. Doch bei lauten Aufnahmen treten häufig Halluzinationen auf – das Modell erzeugt falsche Wörter, die nicht im Originalton vorkommen.