Underdog演示 32MB语音模型Woof:可离线在浏览器中运行
该公司称,这款 3100 万参数的开源模型可在多数设备上无网络运行;演示是一个复古科技主题的网页小游戏,能把用户输入的文本朗读出来并生成音乐。
AI解读:Underdog发布了一个名为Woof的语音生成模型演示,模型体积 32MB、3100 万参数,公司称可在多数设备上断网运行,并开放给所有人下载。
演示形式是一个复古科技主题的浏览器小游戏:房间里有打字机、CRT显示器和音乐调谐器,用户键入的文字会被模型朗读出来,转动调谐器可生成不同音乐。
游戏开场提示“小镇上侵入性的云服务商”,TechCrunch将其解读为对云端模型的讽刺;这一解读属于记者判断,不是Underdog的说明。
创始人Sigil Wen对TechCrunch表示,做这个应用是因为他想用能在用户设备上运行的模型自建系统、让用户拥有自己的数据,并称目标是训练“美国制造、开放、有能力”的模型。
这是Underdog继 167MB语音转文字模型Bark之后的又一个小模型;该公司还发布过可在笔记本上运行的 270 亿参数模型,以及一个需排队等候的应用。
Underdog公布了一个语音生成模型演示,模型名为Woof,体积 32MB。据TechCrunch报道,公司称该模型可在多数设备上无需联网运行,并开放给所有人下载。
演示本身是一个运行在浏览器里的复古科技主题小游戏。
演示里有什么
游戏场景是一间摆着打字机和CRT显示器的房间,另有一盏台灯,点击开关会发出声音。用户可以用键盘在打字机上输入任意文字,游戏会把内容朗读出来;转动音乐调谐器则能生成不同的音乐。TechCrunch称,这些功能都在浏览器内由Underdog的语音生成模型完成。
报道提到,游戏开场警告玩家注意小镇上“侵入性的”云服务商,TechCrunch将其视为对云端模型的一次讽刺。
- 模型体积 32MB,3100 万参数
- 公司称可在多数设备上断网运行
- 模型开放下载
- 演示为浏览器内运行的复古科技主题游戏
公司说法与产品背景
Underdog创始人Sigil Wen对TechCrunch表示,他做这个应用,是因为不想用Granola这类笔记工具,而想用能在用户设备上运行的AI模型自建系统,让用户拥有自己的数据。
他还在阐述自己的宣言时说:“我认为,我们将在几个月内,在大家已经拥有的设备上运行当今大多数有能力的模型。我们只想训练最好的开放模型,美国制造、开放、有能力,让人们拥有私密AI。”
在Woof之前,Underdog已发布 167MB的语音转文字模型Bark,同样面向边缘设备,用于转写和听写。公司还发布过一个可在笔记本上运行的 270 亿参数模型,以及一个需排队等候的应用,定位为本地托管的Muse和Instinct替代品。
- Bark:167MB语音转文字,面向边缘设备
- Woof:32MB语音生成,本次演示所用
- 另有 270 亿参数、可在笔记本上运行的模型
- 一款需排队等候的本地托管应用