Το StepFun, το εργαστήριο με έδρα τη Σαγκάη που είναι γνωστό για την ανάπτυξη μεγάλων γλωσσικών μοντέλων υψηλής απόδοσης, έχει αναπτύξει μια φωνητική τεχνητή νοημοσύνη που υπερτερεί έναντι κάθε υπάρχοντος σημείου αναφοράς. Το σύστημα είναι επίσης ικανό να ανιχνεύει λεπτές συναισθηματικές ενδείξεις, όπως αναστεναγμούς, σύμφωνα με λεπτομέρειες που δημοσίευσε το εργαστήριο.
Πώς δοκιμάστηκε το σύστημα
Το StepFun δεν προσδιόρισε ποια σημεία αναφοράς χρησιμοποιήθηκαν ούτε αποκάλυψε ακριβείς βαθμολογίες, αλλά ισχυρίστηκε ότι το μοντέλο ξεπέρασε όλους τους ανταγωνιστές σε ένα τυπικό σύνολο αξιολογήσεων φωνητικής τεχνητής νοημοσύνης. Το εργαστήριο έχει προηγουμένως δημοσιεύσει γλωσσικά μοντέλα ανοιχτού κώδικα που κατετάγησαν κοντά στην κορυφή των πινάκων κατάταξης για εργασίες σε κινεζική και αγγλική γλώσσα.
Τι σημαίνει η συναισθηματική ανίχνευση
Πέρα από την αναγνώριση και σύνθεση ομιλίας, το νέο μοντέλο μπορεί να ανιχνεύσει μη λεκτικά σήματα όπως αναστεναγμούς—ένδειξη απογοήτευσης, ανακούφισης ή κόπωσης. Αυτό το επίπεδο λεπτότητας θα μπορούσε να καταστήσει την τεχνητή νοημοσύνη χρήσιμη σε εξυπηρέτηση πελατών, ψυχική υγεία ελέγχου ή βοηθούς σε αυτοκίνητο, αν και το StepFun δεν έχει ανακοινώσει εμπορικές συνεργασίες ή αναπτύξεις.
Τα κινεζικά εργαστήρια τεχνητής νοημοσύνης ανταγωνίζονται επιθετικά με αμερικανικά αντίστοιχα τόσο σε εργασίες κειμένου όσο και φωνής. Ο ισχυρισμός του StepFun για ένα κορυφαίο φωνητικό μοντέλο προσθέτει πίεση σε αντιπάλους όπως η Baidu, η Alibaba και η SenseTime, που επίσης διατηρούν ερευνητικά προγράμματα φωνητικής τεχνητής νοημοσύνης. Το εργαστήριο δεν έχει κοινοποιήσει αν το μοντέλο θα κυκλοφορήσει ως ανοιχτού κώδικα ή θα παραμείνει ιδιόκτητο προϊόν.
Το εργαστήριο αρνήθηκε να σχολιάσει σχετικά με τα δεδομένα εκπαίδευσης, το μέγεθος του μοντέλου ή την υπολογιστική ισχύ που χρησιμοποιήθηκε για την επίτευξη των αποτελεσμάτων. Αυτή η έλλειψη λεπτομέρειας είναι συνήθης στον τομέα, όπου οι ισχυρισμοί απόδοσης συχνά υπερβαίνουν την επαλήθευση από ομοτίμους.
Αναπάντητα ερωτήματα σχετικά με την ανάπτυξη
Το StepFun δεν έχει ανακοινώσει χρονοδιάγραμμα για την ενσωμάτωση της φωνητικής τεχνητής νοημοσύνης σε καμία εφαρμογή ή πλατφόρμα. Το εργαστήριο ανέφερε μόνο ότι θα δημοσιεύσει μια τεχνική εργασία και πιθανώς θα διαθέσει δείγμα κώδικα τους επόμενους μήνες. Παραμένει άγνωστο αν η τεχνολογία θα παραχωρηθεί με άδεια σε τρίτους ή θα ενσωματωθεί σε κάποιο προϊόν που απευθύνεται σε καταναλωτές.
