Mendorong undang-undang penskalaan chinchilla untuk model multimoda dengan lini baru model alas bedak omni Liquid kami! Tech > s2s + TTS + ASR, semuanya dalam satu model! > latensi di bawah 100 ms > inferensi lebih dari 10x lebih cepat > berdasarkan LFM v2 kami yang efisien > skor VoiceBench 56.8 > cepat, pribadi, di perangkat > bobot terbuka pada HF Dampak > waktu ke audio pertama di bawah 100 ms —> memungkinkan pengambilan giliran yang benar-benar dapat terputus dan alami > Privasi: memproses ucapan secara lokal, jalur tercepat untuk menerapkan di organisasi yang diatur (kesehatan, keuangan) > Andal dan offline, bagus untuk pabrik, mobil, robot, dan layanan lapangan > biaya & skala: penggunaan tak terbatas di perangkat tanpa panggilan cloud! Kasus penggunaan > Copilot pusat kontak, seperti pembinaan langsung, kepatuhan, SDM. > UI suara pada perangkat yang dapat dikenakan untuk daftar periksa/diagnostik, terjemahan offline untuk tim lintas lokasi di bidang manufaktur dan layanan lapangan > juru tulis sekitar pada perangkat dokter > asisten dalam kendaraan > earbud percakapan! > rumah pintar & privasi rumah yang dijaga > Gaming/AR tanpa jeda! TAM Total model pondasi audio sadar perangkat multimoda TAM: $35-50 miliar pada tahun 2030! Merasa sangat pahit dipilkan pelajaran! 💊

LFM dengan 👂 dan 👄 nikmati!

Saat melatih model fondasi omni multimodal, saya selalu senang kembali ke agen generalis pertama yang dirilis oleh @scott_e_reed, @NandoDF dan tim di DeepMind, dirilis sebelum chatGPT pada Mei 2022. Model 1.2B, Gato, tidak hanya multimodal, tetapi kebijakan generalis multi-tugas dan multi-perwujudan. "Itu dapat memutar Atari, gambar teks, mengobrol, menumpuk blok dengan lengan robot sungguhan dan banyak lagi, memutuskan berdasarkan konteksnya apakah akan mengeluarkan teks, torsi sendi, penekanan tombol, atau token lainnya." Nando men-tweet "Game over" setelah rilis ini!