استارتاپ Underdog از مدل صوتی ۳۲ مگابایتی خود برای تولید صدا و موسیقی رونمایی کرد

شرکت‌های حوزه هوش مصنوعی در سراسر جهان برای ساخت مدل‌های بزرگ‌تر و پیشرفته‌تر رقابت می‌کنند، اما چالش اصلی اینجاست که همه این مدل‌ها به توان پردازشی عظیمی نیاز دارند. در نقطه مقابل، گروهی از پژوهشگران و استارتاپ‌ها به‌دنبال توسعه مدل‌های کوچک‌تری هستند که بتوانند به‌طور مستقیم روی دستگاه‌های لبه، مانند گوشی‌های هوشمند یا رایانه‌های شخصی اجرا شوند.

استارتاپ Underdog یکی از همین مجموعه‌هاست که به‌تازگی یک بازی تعاملی مبتنی بر مدل صوتی جدید خود با نام Woof منتشر کرده است؛ مدلی که تنها ۳۲ مگابایت حجم دارد.

فضای این بازی شبیه به اتاقی با طراحی فناورانه نوستالژیک است که در آن یک ماشین تحریر و یک مانیتور قدیمی CRT به چشم می‌خورد. یک چراغ مطالعه نیز روی میز قرار دارد که با کلیک روی کلید آن صدا تولید می‌کند. در بخش مقدماتی بازی، هشداری درباره شرکت‌های ابری مداخله‌گر در شهر نمایش داده می‌شود؛ طعنه‌ای آشکار به شرکت‌هایی که مدل‌های خود را منحصراً در بسترهای ابری اجرا می‌کنند.

کاربران می‌توانند با ماشین تحریر و بخش تنظیم موسیقی درون بازی تعامل داشته باشند.

شما می‌توانید با صفحه‌کلید خود هر متنی را روی ماشین تحریر تایپ کنید تا مدل بلافاصله آن را با صدا بخواند. علاوه بر این، چرخاندن پیچ تنظیم موسیقی به شما امکان می‌دهد انواع متفاوتی از قطعات موسیقی را تولید کنید.

تمام این فرایندها در محیط مرورگر و با بهره‌گیری از مدل تولید گفتار Underdog انجام می‌شوند. به گفته این شرکت، مدل یادشده بدون نیاز به اتصال اینترنت روی بیشتر دستگاه‌ها قابل اجرا است. این مدل ۳۱ میلیون پارامتر دارد و دریافت آن برای همگان آزاد است.

اگرچه چنین مدل جمع‌وجوری احتمالاً جایگزین غول‌های پردازشی بزرگ نخواهد شد، اما برای قدرت بخشیدن به دستیارهای صوتی محلی یا ساخت پادکست‌های شخصی کاملاً پاسخگوی نیازها خواهد بود.

معرفی این نسخه آزمایشی چند هفته پس از عرضه مدل Bark توسط Underdog انجام شد؛ یک مدل تبدیل گفتار به متن با حجم ۱۶۷ مگابایت که برای پیاده‌سازی متنی و تایپ صوتی روی دستگاه‌های لبه طراحی شده است.

سیگیل ون (Sigil Wen)، بنیان‌گذار Underdog، اعلام کرد توسعه این برنامه را به این دلیل آغاز کرده که به‌جای ابزارهای یادداشت‌برداری ابری نظیر Granola، سامانه‌ای اختصاصی با مدل‌های هوش مصنوعی محلی بسازد تا داده‌ها روی دستگاه شخصی کاربران باقی بماند و مالکیت اطلاعات حفظ شود.

او با اشاره به بیانیه رسمی خود گفت: «معتقدم ظرف چند ماه آینده می‌توانیم توانمندترین مدل‌های امروزی را روی همین دستگاه‌هایی که کاربران در اختیار دارند اجرا کنیم. هدف ما صرفاً آموزش بهترین مدل‌های متن‌باز، قدرتمند و کارآمدی است که به مردم اجازه می‌دهند هوش مصنوعی کاملاً خصوصی و امن داشته باشند.»

استارتاپ Underdog علاوه بر این دو مدل صوتی، یک مدل ۲۷ میلیارد پارامتری با قابلیت اجرا روی لپ‌تاپ نیز عرضه کرده است. هم‌چنین برنامه‌ای با لیست انتظار معرفی شده که این شرکت آن را به‌عنوان جایگزینی محلی برای ابزارهایی مانند Muse و Instinct مطرح می‌کند.