Underdog, 32 MB'lık açık ses modeli Woof'u tarayıcıda çalışan bir oyunla tanıttı
Girişim Underdog, 31 milyon parametreli text-to-speech modeli Woof'u herkesin indirebileceği şekilde yayımladı. Şirket modelin internet bağlantısı olmadan çoğu cihazda çalıştığını söylüyor; tanıtım için tarayıcıda çalışan bir oyun hazırladı.
Yapay zekâ girişimi Underdog, yeni ses üretim modeli Woof'u tanıttı. TechCrunch'ın 6 Kasım tarihli haberine göre text-to-speech (metinden sese) modeli yaklaşık 32 MB boyutunda ve 31 milyon parametreye sahip. Şirket modelin herkesin indirmesine açık olduğunu ve internet bağlantısı olmadan çoğu cihazda, tarayıcı içinde dahi çalışabildiğini söylüyor. Bu ifadeler şirketin kendi iddiası; haberde gecikme ya da ses kalitesine dair bir ölçüm yer almıyor.
Oyunla tanıtım
Underdog, modeli göstermek için tarayıcıda çalışan bir oyun yayımladı. Retro bir oda kurgusundaki oyunda daktiloya yazılan metin Woof ile seslendiriliyor; oyundaki tüm sesler bu modelden geliyor. Oyunun girişindeki "müdahaleci" bulut sağlayıcılarına yapılan gönderme, TechCrunch'a göre bulut tabanlı modellere bir taş atma niteliğinde.
Şirketin kurucusu Sigil Wen, işe kendi verisine sahip olabileceği, cihazda çalışan bir AI not alma sistemi istediği için başladığını anlatıyor. Wen, bugünün en yetenekli modellerinin "aylar içinde" kişisel cihazlarda çalışacağını öngördüğünü ve ABD yapımı en iyi açık modelleri eğitmeyi hedeflediklerini söylüyor.
Ailedeki diğer modeller
Underdog birkaç hafta önce transkripsiyon ve dikte için 167 MB'lık speech-to-text modeli Bark'ı yayımlamıştı. Şirketin dizüstü bilgisayarlarda çalışan 27 milyar parametreli bir modeli de bulunuyor; Muse ve Instinct gibi asistanlara yerel alternatif olarak konumlandırdığı uygulaması ise bekleme listesinde. Haberde Woof'un lisansı ve mimarisi hakkında ayrıntı yok.
Neden önemli?
Ses üretimi büyük ölçüde bulut API'leri üzerinden yürüyor; bu da metnin ve kayıtların üçüncü taraf sunuculara gitmesi demek. Birkaç on megabaytlık bir modelin tarayıcıda yeterli kalitede çalışması, ekran okuyucular, çevrimdışı uygulamalar ve gizlilik hassasiyeti olan senaryolar için veriyi cihazdan çıkarmadan seslendirme imkânı sunuyor.
Kimin işine yarar / ne yapabilirsiniz?
- Uygulama geliştiriciler: Çevrimdışı seslendirme ya da düşük maliyetli TTS ihtiyacınız varsa Woof'u kendi cihaz yelpazenizde deneyin; kaliteyi ve gecikmeyi kendi testlerinizle ölçün.
- Kurumsal kullanıcılar: Üretimde kullanmadan önce modelin lisans koşullarını kontrol edin; haber bu konuda bilgi vermiyor.
- Gizlilik odaklı ekipler: Hassas metinleri bulut TTS servislerine göndermek yerine cihaz içi seçeneklerin olgunlaşmasını takip etmek için iyi bir örnek.
