Underdog, una startup de IA en modo sigiloso, ha demostrado un nuevo modelo de IA que puede generar tanto voz como música ocupando solo 32 megabytes de almacenamiento, un desarrollo que podría reducir significativamente la dependencia de la infraestructura en la nube para la generación de audio con IA.
Puntos clave
- El nuevo modelo de IA de Underdog es excepcionalmente compacto, requiriendo solo 32 MB de almacenamiento, lo que lo hace adecuado para su implementación en el dispositivo.
- El modelo puede generar tanto voz similar a la humana como composiciones musicales, ofreciendo una herramienta versátil para los creadores de audio.
- Su pequeño tamaño permite un procesamiento más rápido y reduce los costos computacionales típicamente asociados con modelos de IA más grandes basados en la nube.
- Esta eficiencia podría descentralizar la generación de audio con IA, permitiendo a los creadores ejecutar modelos sofisticados directamente en hardware de consumo.
Este modelo compacto marca un cambio notable con respecto a los grandes modelos computacionalmente intensivos que actualmente dominan el panorama del audio con IA, lo que podría reducir las barreras para los creadores al permitir la generación local en dispositivos estándar. Para los artistas de IA, esto significa una menor dependencia de la conectividad a Internet y costos operativos reducidos para la generación de audio, de manera similar a cómo los modelos de imagen locales ofrecen más control y privacidad para los creadores visuales.
Generación de audio en el dispositivo para creadores
Históricamente, los modelos avanzados de IA, especialmente los de audio y video, han requerido importantes recursos de computación en la nube, lo que ha generado costos y latencia significativos. El modelo de 32 MB de Underdog desafía este paradigma al demostrar una salida de alta calidad con una huella mínima. Esta eficiencia podría permitir a los creadores integrar la generación de audio con IA directamente en aplicaciones de escritorio o incluso dispositivos móviles, ofreciendo retroalimentación e iteración instantáneas sin llamadas a la API.
La doble capacidad del modelo para generar tanto voz como música desde un único paquete compacto ofrece una ventaja distintiva. Los creadores que trabajan en proyectos narrativos, podcasts o desarrollo de juegos podrían generar voces en off y bandas sonoras simultáneamente, agilizando su flujo de trabajo. Esto contrasta con muchas soluciones existentes que a menudo se especializan en una u otra, o requieren modelos mucho más grandes para lograr una calidad comparable. Si bien ElevenLabs se ha centrado en la publicación de audio basada en la nube, el enfoque de Underdog apunta a un futuro en el que la creación ocurre más cerca del usuario.
Implicaciones para los flujos de trabajo creativos y el costo
El beneficio más inmediato para los creadores de arte con IA radica en la agilidad del flujo de trabajo y la reducción de costos. La ejecución de modelos localmente elimina las tarifas por solicitud y minimiza la latencia asociada con la transferencia de datos hacia y desde los servidores en la nube. Esto significa más experimentación, prototipos más rápidos y, en última instancia, un proceso creativo más fluido para generar contenido de audio impulsado por IA. Para artistas independientes y pequeños estudios, esto podría ser un factor decisivo para adoptar las herramientas de IA de manera más amplia.
«La cita exacta, como máximo una frase.»
— TechCrunch
Si bien las métricas de calidad específicas y el rango de estilos que se pueden lograr con el modelo de Underdog permanecen en secreto, la mera existencia de un modelo de audio tan compacto y versátil sugiere un futuro en el que las herramientas de IA no solo son potentes, sino también accesibles y eficientes. El cambio hacia modelos más pequeños y eficientes ha sido un tema recurrente en el desarrollo de la IA, como se ha visto con algunos modelos de generación de imágenes que ahora pueden ejecutarse eficazmente en GPU de consumo. Esta tendencia democratiza el acceso a capacidades avanzadas de IA, trasladando el poder de la creación de los centros de datos centralizados a las manos de los creadores individuales. Los próximos pasos implicarán ver cómo Underdog posiciona este modelo comercialmente y qué herramientas para desarrolladores ofrece para integrarlo en los flujos de trabajo creativos existentes.
