NVIDIA esitles PersonaPlex-7B-v1: tehisintellekt räägib ja kuulab nüüd samal ajal

Artikli helivorm

AI-озвучка

NVIDIA PersonaPlex-7B-v1: uus ajastu täisduplekssuhtluses tehisintellektiga

NVIDIA uurimisrühm esitles ametlikult PersonaPlex-7B-v1 – uue põlvkonna vestluslikku tehisintellekti mudelit, mis töötab „kõne-kõneks“ põhimõttel. Mudeli peamiseks omaduseks on süsteemi võime samaaegselt tajuda sissetulevat audiovoolu ja genereerida vastust, mis võimaldab kasutajal tehisintellekti katkestada, esitada täpsustavaid küsimusi lennult ja kuulda loomulikke reaktsioone reaalajas.

Loobumine klassikalisest konveierist

Traditsioonilised häälabilised töötavad ahelas: kõnetuvastus (ASR), keelemudeli tekstianalüüs (LLM) ja kõnesüntees (TTS). Iga lüli lisab viivituse ja süsteem ise ei suuda „kuulda“, samal ajal kui räägib. PersonaPlex vaatab selle lähenemise täielikult ümber, kasutades ühtset Transformeri arhitektuuri.

Mudel töötleb pidevat audiovoolu, mis on kodeeritud neurokoodeki abil, ja prognoosib samaaegselt nii teksti- kui ka audiotokeneid. See välistab kaskaadsüsteemidele omased viivitused ja võimaldab tehisintellektil hetkega reageerida vestluse konteksti muutusele. Testide kohaselt on rollivahetuse kiirus dialoogis vaid 0,07 sekundit, mis on oluliselt kiirem kui olemasolevatel analoogidel.

nvidia.com

Hübriidne isiksuse häälestamine

NVIDIA võttis kasutusele unikaalse süsteemi mudeli „isiksuse“ haldamiseks kahe tüüpi juhiste kaudu:

Häälprompt: lühike heliklipp, mis määrab tämbri, kõneviisi ja intonatsiooni.
Tekstiprompt: rolli kirjeldus, biograafia ja stsenaariumi kontekst.

„PersonaPlex tagab tõeliselt loomuliku suhtluse, säilitades valitud rolli kogu dialoogi vältel. Mudel suudab töödelda katkestusi ja mitteverbaalseid signaale, nagu lühikesed kinnitused „ahhaa“ või „mm“, mis loob kvalitatiivse hüppe tehisintellekti tajumises,“ märkivad arendajad tehnilises kirjelduses.

Tehnilised detailid ja õpe

PersonaPlex-7B-v1 aluseks on Moshi arhitektuur ja Helium keelemudel. Õpe viidi läbi tuhandete tundide reaalsete inimvestluste ja sünteetiliste dialoogide massiivil, mis loodi klienditeeninduse ja virtuaalsete abiliste vajadusteks. 7 miljardi parameetriga mudel demonstreerib kõrget täpsust pangateeninduse, meditsiiniliste konsultatsioonide ja tehnilise toe stsenaariumides.

NVIDIA väljastas mudeli kaalud avatud litsentsi all (NVIDIA Open Model License) ja lähtekoodi MIT litsentsi all, mis võimaldab arendajatel kogu maailmas integreerida tehnoloogia oma lokaalsetesse ja pilvelahendustesse.

💬 Neuro.ee toimetuse arvamus

PersonaPlex-7B-v1 kustutab praktiliselt piiri inimliku suhtluse ja masinaga interaktsiooni vahel. Üleminek täisduplekssetele mudelitele tähendab, et "kangete" abiliste ajastu, mis nõudsid pausi pärast iga fraasi, on lõpuks möödas. Ärile avab see tee klienditoe operaatorite loomiseks, keda on võimatu elavatest inimestest eristada.