Gradium เปิดตัว Phonon โมเดลแปลงข้อความเป้นเสียง 31M
Gradium ปล่อย Phonon โมเดลแปลงข้อความ เป็นเสียงขนาด 31 ล้านพารามิเตอร์ ทำงานบนอุปกรณ์ พร้อมใช้งานภายใต้สัญญาอนุญาต Apache 2.0
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Gradium เปิดตัว Phonon ตระกูลโมเดลแปลงข้อความ เป็นเสียงแบบออฟไลน์
- รุ่นภาษาอังกฤษ 31M มีขนาดไฟล์เพียง 64.5 เมกะไบต์
- ใช้เวลาเริ่มต้นออกเสียงในเวลาประมาณ 7 มิลลิวินาทีบนซีพียูแล็ปท็อป
- เผยแพร่ภายใต้สัญญาอนุญาต Apache 2.0 ให้ใช้งานได้ฟรี
วงการปัญญาประดิษฐ์ก้าวไปอีกขั้นเมื่อ Gradium ประกาศเปิดตัว Phonon ซึ่งเป็นตระกูลโมเดลแปลงข้อความ เป็นเสียง (Text-to-Speech) ที่ออกแบบมาให้ทำงานบนอุปกรณ์พกพาหรือคอมพิวเตอร์ส่วนบุคคลได้โดยไม่ต้องพึ่งพาระบบคลาวด์ การพัฒนาครั้งนี้ช่วยเพิ่มความสะดวกรวดเร็วและความเป็นส่วนตัวให้กับผู้ใช้งาน เนื่องจากข้อมูลเสียงทั้งหมดจะถูกประมวลผลภายในเครื่อง
สำหรับโมเดลหลักในตระกูลนี้คือรุ่นภาษาอังกฤษที่มีขนาด 31 ล้านพารามิเตอร์ (31M) ซึ่งถูกออกแบบมาให้มีความบางเบาเป็นพิเศษ โดยตัวโมเดลใช้พื้นที่จัดเก็บเพียง 64.5 เมกะไบต์เท่านั้น ทำให้สามารถติดตั้งและเรียกใช้งานบนฮาร์ดแวร์ที่มีข้อจำกัดได้อย่างราบรื่น
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การพัฒนาโมเดลขนาดเล็กอย่าง Phonon ที่มีพารามิเตอร์เพียง 31 ล้านตัวถือเป็นเทรนด์สำคัญในปัจจุบันที่เรียกว่า On-Device AI ซึ่งช่วยลดภาระการส่งข้อมูลไปยังเซิร์ฟเวอร์คลาวด์ ลดความหน่วง (Latency) และรักษาความเป็นส่วนตัวของผู้ใช้งานได้เป็นอย่างดี เหมาะสำหรับงานที่ต้องการเสียงพูดตอบ 0 กลับแบบเรียลไทม์ เช่น ระบบนำทาง หรือผู้ช่วยอัจฉริยะในอุปกรณ์ IoT
จุดเด่นสำคัญอีกประการหนึ่งคือความเร็วในการประมวลผล โดยโมเดล Phonon 31M สามารถเริ่มส่งเสียงพูดออกมาได้ภายในเวลาเพียงประมาณ 7 มิลลิวินาทีเมื่อทำงานบนซีพียูของแล็ปท็อปทั่วไป ซึ่งถือเป็นความเร็วที่สูงมากสำหรับการสังเคราะห์เสียงพูดแบบออนดีไวซ์
นอกจากนี้ ทาง Gradium ยังได้ตัดสินใจเผยแพร่โมเดลดังกล่าวภายใต้สัญญาอนุญาตแบบ Apache 2.0 เปิดโอกาสให้นักพัฒนา นักวิจัย และองค์กรต่างๆ สามารถนำไปต่อยอด ศึกษา หรือใช้งานในเชิงพาณิชย์ได้อย่างเสรีภายใต้เงื่อนไขที่กำหนด
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น