Underdog представила голосовую модель Woof размером всего 32 МБ

Компания Underdog представила новую сверхкомпактную модель искусственного интеллекта для генерации речи и музыки под названием Woof. Несмотря на тенденцию IT-индустрии к созданию гигантских языковых моделей, требующих колоссальных вычислительных мощностей, данный проект доказывает жизнеспособность локальных мини-решений.

• Стартап Underdog выпустил демо-игру Woof с моделью размером 31.7 МБ.
• Решение способно работать локально в браузере без подключения к интернету.
• Модель содержит 31 миллион параметров и доступна для сканирования.
• Ранее компания выпустила модель Bark на 167 МБ для транскрипции.

Особенности и демонстрация модели Woof Демонстрация возможностей новой технологии оформлена в виде браузерной ретро-игры с текстовым процессором и CRT-монитором. Пользователи могут вводить любой текст на клавиатуре, после чего встроенная модель озвучивает его голосом. Кроме того, вращая регулятор настройки, можно генерировать различные музыкальные фрагменты. Интерфейс игры содержит отсылки к независимости от «облачных» провайдеров, что подчеркивает концепцию конфиденциальности. Создатели отмечают, что весь процесс обработки данных происходит непосредственно на устройстве пользователя, исключая передачу информации на внешние серверы.

Технические характеристики и философия проекта Разработанная модель имеет 31 миллион параметров и весит всего 31.7 МБ, что позволяет запускать ее на большинстве потребительских устройств. Основатель Underdog Сигил Вэн пояснил, что проект создавался ради обеспечения контроля пользователей над собственными данными без привязки к сторонним облачным сервисам. Ранее стартап также представил модель Bark размером 167 МБ для распознавания речи и диктовки, а также более крупную языковую модель на 27 миллиардов параметров, способную работать на современных ноутбуках. По словам разработчиков, в ближайшие месяцы мощность локальных ИИ продолжит расти на обычных пользовательских гаджетах.

Значение для индустрии и локального ИИ Появление столь компактных речевых моделей открывает новые перспективы для создания персональных голосовых ассистентов, локальных инструментов диктовки и индивидуальных подкастов без нагрузки на дата-центры. Для разработчиков и бизнеса это означает снижение затрат на инфраструктуру и полную защиту конфиденциальных данных пользователей, что особенно актуально в условиях растущих требований к кибербезопасности.