Sophea AI: Ακούει ελληνικά και ανεβαίνει στη διεθνή κατάταξη για την αναγνώριση ομιλίας

Μπορεί μια τεχνολογία Τεχνητής Νοημοσύνης που αναπτύσσεται στην Ελλάδα να σταθεί απέναντι σε μοντέλα από ολόκληρο τον κόσμο; Στην περίπτωση του Sophea AI της KIEFER, η απάντηση έρχεται μέσα από μια διεθνή κατάταξη συστημάτων αυτόματης αναγνώρισης ομιλίας.

Το Sophea ASR K1 (Preview), το σύστημα Automatic Speech Recognition του οικοσυστήματος Sophea AI, βρέθηκε στην 11η θέση του Open ASR Leaderboard του Hugging Face, καταγράφοντας average Word Error Rate 4,26. Πρόκειται για τεχνολογία που αναπτύσσεται από τη Machine Learning ομάδα της Sophea στην Ελλάδα, η οποία έχει αναλάβει την προετοιμασία και επεξεργασία των δεδομένων, την εκπαίδευση, τις δοκιμές και τη συνεχή βελτιστοποίηση του μοντέλου.

Η ανάπτυξή του πραγματοποιείται στα ιδιόκτητα AI Data Centers της KIEFER, τα οποία, σύμφωνα με την εταιρεία, τροφοδοτούνται εξ ολοκλήρου από ανανεώσιμες πηγές ενέργειας.

Ένα AI που έχει μάθει να «ακούει» ελληνικά

Η αυτόματη αναγνώριση ομιλίας, γνωστή ως Automatic Speech Recognition (ASR), επιτρέπει σε ένα σύστημα Τεχνητής Νοημοσύνης να μετατρέπει την ανθρώπινη ομιλία σε γραπτό κείμενο. Η ακρίβεια τέτοιων συστημάτων αξιολογείται μεταξύ άλλων μέσω του Word Error Rate (WER). Όσο χαμηλότερη είναι η τιμή του δείκτη, τόσο λιγότερα είναι τα λάθη που πραγματοποιεί το σύστημα κατά τη μεταγραφή.

Το Sophea ASR K1 σημειώνει average WER 4,26 στο Open ASR Leaderboard του Hugging Face, επίδοση που, στο συγκεκριμένο πλαίσιο αξιολόγησης, αντιστοιχεί περίπου σε 96 σωστά αναγνωρισμένες λέξεις ανά 100.

Η πραγματική απόδοση μπορεί να διαφέρει ανάλογα με τις συνθήκες, όπως ο θόρυβος, η προφορά του ομιλητή ή η ποιότητα της ηχογράφησης. Η επίδοση στο leaderboard, ωστόσο, δίνει ένα κοινό μέτρο σύγκρισης με άλλα μοντέλα αναγνώρισης ομιλίας.

Ένα από τα χαρακτηριστικά στα οποία έχει δοθεί έμφαση είναι η υποστήριξη ελληνικών και αγγλικών, ακόμη και όταν οι δύο γλώσσες εναλλάσσονται μέσα στην ίδια συνομιλία. Παράλληλα, το σύστημα έχει σχεδιαστεί ώστε να μπορεί να χρησιμοποιείται και σε πιο απαιτητικά περιβάλλοντα, όπως τηλεφωνικές κλήσεις και επαγγελματικές συναντήσεις.

Τι είναι το Sophea AI

Το Sophea AI αποτελεί το ευρύτερο οικοσύστημα Τεχνητής Νοημοσύνης της KIEFER, μέσα από το οποίο αναπτύσσονται μοντέλα και εφαρμογές για διαφορετικές χρήσεις.

Οι εφαρμογές εκτείνονται από την κατανόηση και παραγωγή γλώσσας και την αναγνώριση ομιλίας έως την αξιοποίηση εταιρικής γνώσης. Στο οικοσύστημα περιλαμβάνονται επίσης μοντέλα Vision-Language-Action (VLA), τα οποία επιτρέπουν στα συστήματα να αναγνωρίζουν το περιβάλλον τους και να αλληλεπιδρούν με αυτό.

Μεταξύ των εφαρμογών του οικοσυστήματος βρίσκονται το Sophea Meet, η εταιρική πλατφόρμα νοημοσύνης συναντήσεων, καθώς και το Sophea Nous, που εστιάζει στην αξιοποίηση εταιρικών δεδομένων και στη δημιουργία εξειδικευμένων AI agents.

Το Sophea ASR K1 αποτελεί ήδη μέρος του Sophea Meet, υποστηρίζοντας λειτουργίες που βασίζονται στη φωνή.

Το επόμενο βήμα για την ελληνική ομάδα

Η ίδια τεχνολογία μπορεί να αξιοποιηθεί και πέρα από τη μεταγραφή συναντήσεων, σε διαφορετικές voice-based εφαρμογές, συμπεριλαμβανομένων συστημάτων φωνητικής αλληλεπίδρασης για ρομποτικά συστήματα.

Παράλληλα, η ομάδα του Sophea σχεδιάζει την επέκταση της τεχνολογίας σε περισσότερες ευρωπαϊκές γλώσσες, μεταξύ των οποίων και γλώσσες για τις οποίες υπάρχουν περιορισμένοι διαθέσιμοι γλωσσικοί πόροι.

Στόχος είναι κάθε μοντέλο να προσαρμόζεται στις ιδιαίτερες απαιτήσεις της εκάστοτε γλώσσας και στις πραγματικές συνθήκες στις οποίες πρόκειται να χρησιμοποιηθεί.

Η εξέλιξη του Sophea ASR K1 αποτελεί μέρος της ευρύτερης επένδυσης της KIEFER σε τεχνολογίες και υποδομές Τεχνητής Νοημοσύνης που αναπτύσσονται στην Ελλάδα, με προοπτική αξιοποίησης και εκτός της εγχώριας αγοράς.