مدل چندحالته Higgs Realtime Duplex از Boson AI معرفی شد؛ مکالمه صوتی هم‌زمان و رندر چهره در کسری از ثانیه
استارتاپ Boson AI از مدل چندحالته Higgs Realtime Duplex با معماری آمیزه‌ای از متخصصان رونمایی کرد. این مدل پیشرفته با پردازش داده‌ها در بازه‌های حدود ۱۶۰ میلی‌ثانیه‌ای، امکان مکالمه صوتی دوطرفه و هم‌زمان، دیدن محیط و رندر چهره دیجیتال را فراهم می‌کند. علاوه بر تعامل صوتی زنده، قابلیت اتصال به ابزارها و اجرای دستورات سازمانی نیز برای این هوش مصنوعی فراهم شده است.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- مدل چندحالته Higgs Realtime Duplex با ۴۵ میلیارد پارامتر و پردازش داده‌ها در بازه‌های ۱۶۰ میلی‌ثانیه‌ای، امکان مکالمه زنده و رندر هم‌زمان چهره دیجیتال را فراهم می‌کند.
- این مدل با پشتیبانی از مکالمه دوطرفه کامل به کاربر امکان می‌دهد کلام هوش مصنوعی را قطع کرده و تعاملی کاملاً طبیعی و بلادرنگ را تجربه کند.
- استارتاپ Boson AI هم‌اکنون فهرست انتظار دسترسی به رابط برنامه‌نویسی این مدل را برای توسعه دستیارهای صوتی و انسان‌های دیجیتال سازمانی باز کرده است.
معرفی مدل
مدل Higgs Realtime Duplex یک مدل همه‌منظوره و پیشرفته ۴۵ میلیارد پارامتری با معماری آمیزه‌ای از متخصصان (45B MoE) از سوی استارتاپ Boson AI است. این مدل هوشمند به‌صورت هم‌زمان می‌شنود، می‌بیند، صحبت می‌کند و چهره دیجیتال را در بسته‌های زمانی حدوداً ۱۶۰ میلی‌ثانیه‌ای رندر می‌کند، در حالی که توانایی فراخوانی ابزارها و اتصال به سامانه‌های سازمانی را نیز دارد.
پست رسمی معرفی این مدل در وبلاگ این مجموعه منتشر شده و هم‌زمان فهرست انتظار دسترسی به رابط برنامه‌نویسی (API) آن فعال شده است: وبلاگ رسمی Boson AI.
نکات برجسته و ویژگی‌های اصلی این مدل:
- مکالمه دوطرفه کامل (Full Duplex) بدون نیاز به صبر کردن برای اتمام نوبت صحبت کاربر
- معماری ۴۵ میلیارد پارامتری MoE با تمرکز بر تعامل چندحالته و بلادرنگ
- طراحی ویژه برای دستیارهای صوتی، انسان‌های دیجیتال و سامانه‌های پشتیبانی زنده
- عرضه در قالب فهرست انتظار API در حال حاضر و عدم انتشار عمومی برای استنتاج آزاد.
ابعاد فنی و تحلیل عملکرد
چرا این موضوع اهمیت دارد؟
سامانه‌های صوتی نیمه‌دوطرفه (Half-duplex) معمولاً تا زمان اتمام کامل صحبت کاربر منتظر می‌مانند و سپس پردازش و پاسخ‌دهی را آغاز می‌کنند. در نقطه مقابل، تعامل دوطرفه کامل در کنار بینایی ماشین و رندر هم‌زمان حالت‌های چهره، تجربه کاربری انسان‌های دیجیتال را ارتقا می‌دهد. علاوه بر این، قابلیت فراخوانی ابزارها (Tool Calling) امکان اتصال هوش مصنوعی به سیستم‌های عملیاتی و داده‌های کسب‌وکارها را فراهم می‌سازد.
محدودیت‌ها و چالش‌های پیش رو
این سامانه در مرحله فهرست انتظار قرار دارد و مواردی چون تأخیر عملیاتی در شرایط واقعی، نحوه رفتار مدل هنگام ورود به کلام (Barge-in) و کیفیت عملکرد در زبان‌های مختلف نیازمند ارزیابی‌های دقیق‌تر است. هم‌چنین باید توجه داشت که نام Higgs در این پروژه هیچ ارتباطی با پلتفرم ویدیویی Higgsfield ندارد و این محصول توسط استارتاپ Boson AI توسعه یافته است.
راهنمای گام‌به‌گام ارزیابی و استفاده
- مطالعه جزئیات فنی در وبلاگ رسمی Boson AI
- ثبت‌نام در فهرست انتظار دریافت API و بررسی سهمیه‌ها و مناطق تحت پشتیبانی
- ساخت نمونه‌های آزمایشی اولیه برای بررسی سرعت پاسخ‌دهی، مدیریت قطع کلام و اجرای ابزارها
- ارزیابی کیفیت رندر چهره به منظور انطباق با استانداردهای برند و الزامات هویتی سازمان.
مطالب مرتبط و پیشنهادی
گجت هوش مصنوعی Temple رونمایی شد؛ پوشیدنی بدون میکروفون و نمایشگر با تمرکز بر حفظ حریم خصوصی
دیپیندر گویال از برند جدید Temple رونمایی کرد که شامل گجت‌های پوشیدنی هوش مصنوعی و پایش سلامت بدون میکروفون و نمایشگر است. این دستگاه به کمک حسگرهای حرکتی صدا را تشخیص می‌دهد تا نگرانی‌های مربوط به شنود محیطی را برطرف کند. اولین نسخه این محصول با نام Temple 01 اوایل سال ۲۰۲۷ به بازار عرضه خواهد شد.
۷ پلاگین کاربردی ChatGPT برای سرگرمی و تفریح؛ از طبیعت‌گردی تا بازی‌های دورهمی
اگر از روزمرگی و رخوت خسته شده‌اید، هوش مصنوعی می‌تواند به دستیاری ایده‌آل برای خلق تفریحات تازه تبدیل شود. با بهره‌گیری از پلاگین‌های متنوع ChatGPT و پرامپت‌های هدفمند، می‌توانید سرگرمی‌های هیجان‌انگیزی از طبیعت‌گردی و یاد‌گیری مهارت‌های جدید تا بازی‌های فکری گروهی را تجربه کنید.
چارچوب COEVO با بهینه‌سازی و رفع هم‌زمان خطاهای طراحی تراشه، تمام رقبا را پشت سر گذاشت
پژوهشگران با معرفی چارچوب نوآورانه COEVO، فرآیند تصحیح خطاهای منطقی و بهینه‌سازی مصرف انرژی و ابعاد تراشه را در قالب یک چرخه تکاملی یکپارچه ادغام کردند. این روش به مدل‌های زبانی اجازه می‌دهد تا طرح‌های سخت‌افزاری آینده‌دار اما دارای نقص را دور نریزند و هم‌زمان با ارتقای ریزمعماری، مشکلات آن‌ها را برطرف سازند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.