Standard Intelligence ettevõte kuulutas välja hertz-dev, esimese avatud AI mudeli täisdupleksrežiimis kõnesünteesiks, mida saab kasutada reaalajas häälkommunikatsioonisüsteemide loomise või vestluskõne genereerimise aluseks. Mudel võimaldab genereerida kõnet, mis on lähedane hääldata andmetele, millel see on koolitatud, ja tagab suhtlemise inimlikus stiilis, ilma viivitusteta, mis meenutavad katkestatud telefonikõnet. Projekti arengud levivad Apache 2.0 litsentsi all.
NVIDIA GeForce RTX 4090 GPU-ga süsteemis on genereerimise keskmine latentsus 120 ms (teoreetiliselt kuni 65 ms), mis on umbkaudu kaks korda kiirem kui olemasolevad avatud mudelid. Avaldatud versioon on ehitatud transformeerimise arhitektuuri abil, katab 8,5 miljardit parameetrit ja on koolitatud 500 miljardi tokeniga. Mudeli arvesse võetava konteksti suurus (tokenite arv, mida mudel saab töödelda ja meeles pidada kõne genereerimise ajal) on 2048 tokenit ehk umbes 4 minutit kõnet.
Allikas: opennet.ru
