KB lanserar ny AI-modell baserad på dialektinspelningar från Isof

Kungliga biblioteket (KB) lanserar KB-Whisper, en AI-modell som transkriberar tal till text. KB-Whisper har bland annat tränats på Isofs dialektinspelningar som tillgängliggjorts av Språkbanken Sam.

KB-Whisper är en tal-till-textmodell som har tränats på 50 000 timmar tal för att lära sig omvandla talat språk till text. Talmaterialet kommer från KB:s audiovisuella samlingar, Riksdagsförvaltningen, Sveriges Television samt Institutet för språk och folkminnen, Isof. Isof har bidragit med inspelade dialekter från hela Sverige, framförallt från 1935–1970, men även äldre inspelningar som digitaliserats av Språkbanken Sam.

AI-modellen utgår ifrån det amerikanska företaget Open AI:s modell Whisper, men KB:s modell är den första med gedigen träning på svenska och gör 47 procent färre fel på ordnivå än den amerikanska förlagan.

– Modellen är särskilt bra på att stava rätt på svåra svenska orts- och personnamn och komplicerade termer, säger Leonora Vesterbacka, senior data scientist på KB.

Den nya AI-modellen har många olika användningsområden. Sveriges television har planer på att använda KB-Whisper för att texta sina sändningar. Tal-till-textmodeller ligger även till grund för telefonbaserad kundtjänst och med särskild träning på medicinska termer kan modellen transkribera läkares diktafoninspelningar till journalanteckningar.