StepFun, yüksek performanslı büyük dil modelleri oluşturma konusunda bilinen Shanghai merkezli laboratuvar, mevcut tüm kriterleri aşan bir sesli AI geliştirdi. Laboratuvarın paylaştığı ayrıntılara göre, sistem sızlama gibi ince duygusal ipuçlarını tespit edebilme özelliğine de sahip.
Sistemin Nasıl Test Edildiği
StepFun hangi değerlendirme kriterlerinin kullanıldığını veya tam puanları açıklamadı, ancak modelin standart bir sesli AI değerlendirme seti boyunca tüm rakipleri geçtiğini iddia etti. Laboratuvar daha önce Çince ve İngilizce dil görevleri için liderlik tablolarının üst kısmında yer alan açık kaynaklı LLM'ler yayınlamıştı.
Duygusal Tespitin Anlamı
Konuşma tanıma ve sentezi ötesinde, yeni model sızlama gibi sözsüz sinyalleri – hayal kırıklığı, rahatlama veya yorgunluğun göstergesi – yakalayabiliyor. Bu düzeyde nüans, yapay zekanın müşteri hizmetleri, ruh sağlığı taraması veya araç içi asistanlarda kullanılmasını sağlayabilir; ancak StepFun henüz ticari ortaklıklar veya uygulamalar hakkında bir duyuru yapmadı.
Çinli AI laboratuvarları, hem metin hem de ses görevlerinde ABD'deki rakipleriyle sert bir rekabette bulunuyor. StepFun'un en üst sırada yer alan bir ses modeli iddiası, Baidu, Alibaba ve SenseTime gibi sesli AI araştırma programları yürüten rakiplere baskı oluşturuyor. Laboratuvar, modelin açık kaynak olarak mı yayınlanacağını yoksa özel bir ürün olarak mı saklanacağını paylaşmadı.
Laboratuvar, elde edilen sonuçlar için kullanılan eğitim verileri, model boyutu veya hesaplama hakkında yorum yapmayı reddetti. Bu detay eksikliği, performans iddialarının genellikle akran denetimli doğrulamadan hızlı ilerlediği alanda yaygındır.
Uygulama Hakkında Yanıtlanmamış Sorular
StepFun, sesli AI'yi herhangi bir uygulamaya veya platforma entegre etme zaman çizelgesini açıklamadı. Laboratuvar, önümüzdeki aylarda teknik bir makale yayınlayacağını ve örnek kod yayınlama olasılığını belirtti. Teknolojinin üçüncü taraflara lisanslanıp lisanslanmayacağı veya tüketiciye yönelik bir üründe kullanılacağı henüz bilinmiyor.
