Action Power(共同代表赵洪植、李智华)推出大幅提升性能的记录管理AI服务“Daglo”新模型,受到关注。被评价为“语音记录管理的革命”的“Daglo”,迄今已为30万以上会员提供将会议、通话、讲座视频转换为文本并整理的服务,此次模型升级以业界最高水平的性能,再一次展现出突破语音记录服务极限的面貌。此次性能改善的核心大致分为三点。第一,扩大STT(Speech-to-Text)模型自身规模,将语音识别准确度提升至接近100%。第二,大幅提升VAD(语音检测)功能,即使在多人对话中也能准确分离声音。第三,连数字和英语发音都清晰标示,从而在“近乎完美”的文本转换之上进一步提高了可读性。Daglo在韩语和英语语音转换方面处于最高水平,同时支持精细的说话人分离,预计将与OpenAI的Whisper进一步拉开差距。
Action Power为实现“无需人工干预,对话、视频、语音记录便自动整理”的终极目标,持续应用各种技术以提升可用性。尤其与其他语音转换服务的最大差异化,可以说是支持多模态(Multi-modal)。代表性功能是上传视频文件或粘贴YouTube链接后,即可将视频的语音生成为文稿。为提高用户便利性,可将Daglo安装为Chrome扩展程序,通过它在观看YouTube视频时即可直接用Daglo进行文本转换。尤其是希望在长视频中快速掌握重要部分、或希望将讲座视频与文稿一并查看的用户使用较多,转换结果不仅可下载为普通文档文件,也可直接下载为字幕文件。Daglo方面说明称,上半年最后一次更新计划推出的功能是将通话内容直接转换为文本并显示的功能。对此,共同代表(CTO)李智华表达了自己的信念:“这众多功能源自对AI价值的明确理念和强大的技术实力。AI的价值在于节省人的时间与精力。我们并不追求新奇有趣的潮流,而只专注于真正对人有帮助的技术。在信息与对话多到无法消化的当今世界,Daglo提供的‘整理’这一价值因此十分重要。”
另一方面,Daglo相关人士表示:“如今Action Power的目标聚焦于已进入开发收尾阶段的自研LLM的商用化。现在的Daglo能生成文稿、提取关键词并进行摘要。今后还将整理并告知会议后需执行的事项和下一步日程,在视频中单独提取被观看最多的部分并进行摘要。Daglo正成长为服务于我们所有人日常的真正的‘AI assistant(助手)’。”






