StepFun, phòng thí nghiệm có trụ sở tại Thượng Hải nổi tiếng với việc xây dựng các mô hình ngôn ngữ lớn hiệu suất cao, đã phát triển một AI giọng nói vượt trội hơn mọi chuẩn mực hiện có. Hệ thống này cũng có khả năng phát hiện các tín hiệu cảm xúc tinh tế như tiếng thở dài, theo thông tin chi tiết do phòng thí nghiệm công bố.
Cách hệ thống được kiểm tra
StepFun không chỉ rõ chuẩn mực nào được sử dụng hoặc tiết lộ điểm số cụ thể, nhưng tuyên bố mô hình này đã đánh bại tất cả đối thủ cạnh tranh trong một bộ đánh giá AI giọng nói tiêu chuẩn. Phòng thí nghiệm trước đây đã công bố các LLM mã nguồn mở đạt thứ hạng cao trên bảng xếp hạng cho các tác vụ tiếng Trung và tiếng Anh.
Ý nghĩa của việc phát hiện cảm xúc
Ngoài nhận dạng giọng nói và tổng hợp, mô hình mới có thể phát hiện các tín hiệu phi ngôn ngữ như tiếng thở dài—một chỉ báo của sự thất vọng, nhẹ nhõm hoặc mệt mỏi. Mức độ tinh tế đó có thể làm cho AI trở nên hữu ích trong dịch vụ khách hàng, sàng lọc sức khỏe tâm thần hoặc trợ lý trong xe hơi, mặc dù StepFun chưa công bố bất kỳ quan hệ đối tác thương mại hoặc triển khai nào.
Các phòng thí nghiệm AI Trung Quốc đã cạnh tranh gay gắt với các đối thủ Mỹ trong cả tác vụ văn bản và giọng nói. Tuyên bố của StepFun về một mô hình giọng nói đứng đầu tạo thêm áp lực lên các đối thủ như Baidu, Alibaba và SenseTime, những công ty cũng triển khai các chương trình nghiên cứu AI giọng nói. Phòng thí nghiệm chưa chia sẻ liệu mô hình này sẽ được phát hành dưới dạng mã nguồn mở hay giữ lại như một sản phẩm độc quyền.
Phòng thí nghiệm từ chối bình luận về dữ liệu đào tạo, kích thước mô hình hoặc tài nguyên tính toán được sử dụng để đạt được kết quả. Sự thiếu chi tiết đó là phổ biến trong lĩnh vực này, nơi các tuyên bố về hiệu suất thường vượt qua sự xác minh từ đồng nghiệp.
Các câu hỏi chưa có lời giải đáp về triển khai
StepFun chưa công bố lịch trình tích hợp AI giọng nói vào bất kỳ ứng dụng hoặc nền tảng nào. Phòng thí nghiệm chỉ cho biết sẽ công bố một bài báo kỹ thuật và có thể phát hành mã mẫu trong những tháng tới. Liệu công nghệ này có được cấp phép cho bên thứ ba hay được tích hợp vào một sản phẩm hướng đến người tiêu dùng hay không vẫn chưa được biết.
