
مدل صوتی جدید بلاک با اجرای محلی روی مکبوک M4 Max
شرکت بلاک از مدل صوتی تازهای خبر داد که به گفته آن، خروجیاش بسیار شبیه به صدای انسان است. این مدل میتواند بهصورت محلی روی یک مکبوک مجهز به تراشه M4 Max اجرا شود.
شرکت بلاک اعلام کرد که یک مدل صوتی (voice model) جدید را معرفی کرده است؛ مدلی که به گفته این شرکت، خروجی صوتی آن بسیار نزدیک به گفتار طبیعی انسان است. بلاک همچنین اعلام کرد که این مدل میتواند بهصورت محلی (locally) روی یک دستگاه مکبوک مجهز به تراشه M4 Max اجرا شود، یعنی بدون نیاز به ارسال درخواستها به سرورهای ابری. اجرای محلی مدلهای صوتی پیامدهای فنی مشخصی دارد: کاهش تأخیر (latency) در تولید خروجی، امکان استفاده بدون اتصال پایدار به اینترنت و نگهداشتن دادههای ورودی روی خود دستگاه. بلاک در اعلامیه خود به جزئیات معماری مدل، حجم پارامترها، کیفیت خروجی در مقایسه با مدلهای رقیب یا نحوه کاهش مصرف منابع سختافزاری اشاره نکرده است. این شرکت همچنین درباره زبانهای پشتیبانیشده، محدودیتهای کاربرد تجاری، دسترسی از طریق رابط برنامهنویسی (API) و زمان عرضه عمومی مدل اطلاعاتی منتشر نکرد. بر همین اساس، ارزیابی مستقل کیفیت خروجی و دقت بازتولید گفتار تا زمان انتشار نمونههای عمومی یا مستندات فنی ممکن نیست. برای توسعهدهندگان ایرانی، نکته اصلی توانایی اجرای مدل روی سختافزار محلی است. اجرای مدل صوتی روی تراشههای سری M اپل، وابستگی به سرویسهای ابری خارجی را کاهش میدهد؛ موضوعی که با توجه به محدودیت دسترسی به برخی سرویسهای ابری و مسائل پرداخت بینالمللی اهمیت دارد. در صورت انتشار عمومی، آزمایش مدل روی لپتاپهای موجود بدون نیاز به زیرساخت سرور امکانپذیر خواهد بود، هرچند کیفیت واقعی خروجی و شرایط استفاده هنوز اعلام نشده است. معرفی این مدل در ادامه رقابت فزاینده میان شرکتها بر سر مدلهای تولید و بازتولید گفتار با کیفیت نزدیک به انسان قرار میگیرد؛ حوزهای که در آن معیارهای سنجش کیفیت، سرعت تولید و هزینه اجرا از عوامل تعیینکننده پذیرش هستند.
این مدل در اپکس۲۴ قابل دسترس است
یک کلید API — ۵۰+ مدل هوش مصنوعی




