В медицине неверное распознавание слов может привести к серьезным ошибкам. Для решения этой проблемы была разработана модель MedASR, которая предназначена для точной диктовки врачей и расшифровки медицинских бесед. Модель основана на архитектуре Conformer и обучена на обширной базе обезличенной медицинской речи, включающей 5000 часов аудио данных с врачебными диктовками и клиническими диалогами. API для транскрипции речи

MedASR имеет 105 миллионов параметров и принимает моноаудио 16 кГц в формате waveform int16, выдавая текстовую расшифровку без анализа смысла. Создатели модели считают ее основой для голосовых приложений в здравоохранении, что помогает в точной расшифровке радиологических заключений и упрощает заполнение клинических заметок. генеративные модели

Кроме того, MedASR можно дообучать под различные условия, включая акценты и шумные помещения. Для извлечения смысла из текста предлагается использовать генеративные модели, такие как MedGemma, что позволяет создавать резюме и отвечать на вопросы по расшифровке.

Таким образом, MedASR представляет собой шаг вперед в области медицинской технологии, предлагая более надежные инструменты для врачей.