Digitaliseringsstyrelsen deltager i GovTech

Digitaliseringsstyrelsens udfordring om en dansk tale-til-tekst sprogmodel er en ud af seks udvalgte udfordringer i GovTech-programmet.
 

GovTech-programmet er en udfordringsbaseret indsats, som har til formål at understøtte øget samarbejde mellem det offentlige og teknologivirksomheder med innovative løsninger. GovTech-programmet skal desuden i lille skala teste nye virkemidler, der skal styrke matchet mellem govtech-virksomheder og den offentlige sektor.

Danmark er det land i verden, som ifølge FN er bedst til offentlig digitalisering. Men det er vigtigt konstant at være på forkant med teknologisk innovation for at kunne forbedre offentlige ydelser og forløse det uudnyttede vækstpotentiale. Derfor skal vi være endnu bedre til at understøtte samarbejdet mellem myndigheder og tech-virksomheder. De ansøgende virksomheder med de mest lovende løsninger inviteres med i et fem ugers PoC-forløb, som er en markedsdialog med embedsværket og domæneeksperter. I den afsluttende fase præsenteres en række anbefalinger til, hvordan en given udfordring kan løses.
 

Dansk tale-til-tekst sprogmodel

Den udfordring, som Digitaliseringsstyrelsen deltager med, udspringer af samarbejdet med en gruppe af danske mediehuse om nyttiggørelse af eksisterende mediemateriale til udvikling af dansk talegenkendelse – en dansk ’Tale-til-Tekst’ sprogmodel. Formålet med udfordringen er at få skabt et kvalificeret bud på, hvordan der kan udvikles et sæt sprogkomponenter, som kan styrke talegenkendelse på dansk – en dansk sprogmodel til talegenkendelse. En dansk sprogmodel der kan understøtte en bred udvikling af AI-løsninger med potentiale til at effektivisere og forbedre kvaliteten af offentlige og kommercielle serviceopgaver. Herunder eksempelvis automatisk transskribering og mulighed for at diktere til journaler og sagsbehandling, chatbots, assistance til personer med skrivevanskeligheder, stemmestyret internetsøgning og kommunikation med smart devices og speakers mv.

Læs mere om GovTech-programmet her.