Underdog 展示 32MB 语音模型新演示

Underdog 展示了一款名为 Woof 的语音模型,体积仅 32MB。公司用这个模型做了一个浏览器游戏 demo:场景是复古科技房间,有一台打字机、一台 CRT 显示器、一盏台灯和音乐调音器。点击台灯开关会发出声音;用键盘在打字机上输入文字,模型会把内容朗读出来;旋转调音器可以生成不同风格的音乐。整个过程在浏览器内完成,无需联网。

Woof 有 3100 万参数,开放下载。公司称它能运行在大多数设备上。这类小模型不太可能替代大模型,但足以支撑本地语音助手体验或生成个性化播客。这次演示距离 Underdog 推出 Bark 只有几周。Bark 是一个 167MB 的语音转文本模型,同样面向边缘设备,用于转录和听写。

创始人 Sigil Wen 告诉 TechCrunch,他不想用 Granola 这类记笔记工具,而是想构建自己的系统,让 AI 模型跑在用户设备上,使用户掌握自己的数据。他说:“我相信几个月内,我们就能在用户已有的设备上运行当今最强大的模型。我们只想训练美国制造的最佳开放模型,让用户拥有私密 AI。” 除了上述两个语音模型,Underdog 还发布了一个 270 亿参数、可运行在笔记本电脑上的模型,以及一个已开放候补名单的 app,定位为本地托管的 Muse 和 Instinct 替代品。

Underdog shows off a 32MB speech model in new demo | TechCrunch

查看原文