Nya AI-modellen Pianissimo gör om ditt tal till text på en sekund

Så fungerar det – i klarspråk Modellen bygger i grunden på en öppen teknik från företaget Nvidia, vilken sedan har anpassats och finjusterats specifikt för det svenska språket och olika svenska dialekter. Eftersom Pianissimo är mycket resurssnål behövs inga gigantiska serverhallar för att köra den. Programvaran är så pass effektiv att du kan köra den lokalt och helt offline direkt på en helt vanlig bärbar dator, utan att behöva skicka dina röstfiler över internet.

Vad du kan göra med det redan idag I vardagen kan detta underlätta för alla som behöver anteckna under pågående samtal, som journalister, studenter eller kontorsarbetare. Du kan till exempel låta verktyget lyssna på ett pågående möte och se texten växa fram på skärmen i realtid med minimal fördröjning. Verktyget är fritt tillgängligt som öppen modell via plattformen Hugging Face för den som vill bygga egna lösningar, och erbjuds även via det svenska bolaget Berget AI:s infrastruktur.

Begränsningar och nästa steg Även om modellen är extremt snabb kräver den fortfarande att användaren har viss teknisk kunskap för att installera och köra den på egen hand via utvecklarplattformar. Precisionen är också, precis som för alla liknande verktyg, beroende av ljudkvaliteten och hur tydligt personerna i rummet talar. Framöver förväntas fler utvecklare bygga enklare program baserade på denna öppna modell.