StepFun, das in Shanghai ansässige Labor, das für die Entwicklung leistungsstarker großer Sprachmodelle bekannt ist, hat eine Sprach-KI entwickelt, die alle bestehenden Benchmarks übertrifft. Das System ist auch in der Lage, subtile emotionale Hinweise wie Seufzer zu erkennen, wie aus vom Labor veröffentlichten Details hervorgeht.
Wie das System getestet wurde
StepFun gab nicht an, welche Benchmarks verwendet wurden oder veröffentlichte genaue Ergebnisse, behauptete jedoch, dass das Modell alle Mitbewerber in einer standardmäßigen Reihe von Sprach-KI-Bewertungen übertraf. Das Labor hat zuvor Open-Source-LLMs veröffentlicht, die in den Ranglisten für chinesische und englische Sprachaufgaben nahe der Spitze standen.
Was die Emotionserkennung bedeutet
Über Spracherkennung und -synthese hinaus kann das neue Modell nonverbale Signale wie Seufzer erfassen – ein Indikator für Frustration, Erleichterung oder Müdigkeit. Diese Nuance könnte die KI in Bereichen wie Kundenservice, psychischer Gesundheitsvorsorge oder Fahrzeugassistenten nützlich machen, obwohl StepFun noch keine kommerziellen Partnerschaften oder Implementierungen angekündigt hat.
Chinesische KI-Labore konkurrieren aggressiv mit ihren US-amerikanischen Pendants sowohl bei Text- als auch Sprachaufgaben. StepFuns Behauptung eines Spitzenreiters im Sprachmodell erhöht den Druck auf Konkurrenten wie Baidu, Alibaba und SenseTime, die ebenfalls Forschungsprogramme für Sprach-KI betreiben. Das Labor hat nicht mitgeteilt, ob das Modell als Open Source veröffentlicht oder als proprietäres Produkt beibehalten wird.
Das Labor lehnte es ab, sich zu den Trainingsdaten, der Modellgröße oder der verwendeten Rechenleistung zu äußern, die für die Ergebnisse erforderlich waren. Dieser Mangel an Details ist in diesem Bereich üblich, wo Leistungsbehauptungen oft der Überprüfung durch Fachkollegen voraus sind.
Offene Fragen zur Bereitstellung
StepFun hat keinen Zeitplan für die Integration der Sprach-KI in eine Anwendung oder Plattform bekannt gegeben. Das Labor sagte lediglich, dass es in den kommenden Monaten einen technischen Artikel veröffentlichen und möglicherweise Beispielcode bereitstellen werde. Ob die Technologie an Dritte lizenziert oder in ein verbraucherorientiertes Produkt eingebaut wird, bleibt unbekannt.
