Американский стартап Underdog показал Woof — модель синтеза речи весом 32 МБ, которая работает офлайн прямо в браузере. Для разработчиков это способ добавить озвучку без отправки текста в облако; правда, компания не утверждает, что компактная модель заменит большие облачные системы.
Демо сделали в виде комнаты с ретротехникой: настольная лампа запускает звуковой эффект, на печатной машинке можно набрать любой текст и услышать его чтение в реальном времени, а музыкальный тюнер генерирует мелодии разных стилей. Не просто страница с кнопкой «озвучить» — Underdog показывает, как локальная модель может работать внутри интерактивного интерфейса.
У Woof около 31 млн параметров. Модель можно скачать, и, по данным компании, синтез речи локально доступен на большинстве устройств. Это удобно для приложений, где важны работа без интернета и контроль над данными, но качество и возможности больших облачных моделей такая компактная версия полностью не заменяет.
Несколькими неделями ранее Underdog выпустила Bark — модель распознавания речи размером 167 МБ для локальной транскрибации и диктовки. Основатель компании Sigil Wen говорит, что команда хочет снизить зависимость от облачных сервисов записи и посредников в обработке данных. У Underdog также есть модель на 27 млрд параметров, способная работать на ноутбуке, и приложение — локальная альтернатива облачному помощнику. Похоже, здесь ставка не на одну модель, которая умеет всё, а на то, чтобы ИИ всё чаще работал прямо у пользователя.
ИсточникHyperAI 超神经
