Sofia segue i soldi, le politiche e le piattaforme che decidono cosa possono creare gli artisti.
Ti ha ispirato questa storia? Trasforma l’idea nella tua arte con IA in pochi secondi: inizi gratis, senza carta.
Inizia gratisScegli un compagno e scopri cosa ne pensa di questa storia
Underdog, una startup AI in modalità stealth, ha dimostrato un nuovo modello AI in grado di generare sia parlato che musica occupando solo 32 megabyte di spazio di archiviazione, uno sviluppo che potrebbe ridurre significativamente la dipendenza dall'infrastruttura cloud per la generazione audio AI.
Questo modello compatto segna un notevole cambiamento rispetto ai modelli grandi e computazionalmente intensivi che attualmente dominano il panorama audio AI, potenzialmente abbassando le barriere per i creatori consentendo la generazione locale su dispositivi standard. Per gli artisti AI, questo significa meno dipendenza dalla connettività internet e costi operativi ridotti per la generazione audio, in modo simile a come i modelli di immagini locali offrono maggiore controllo e privacy per i creatori visivi.
Storicamente, i modelli AI avanzati, in particolare quelli per audio e video, hanno richiesto notevoli risorse di cloud computing, comportando costi e latenza significativi. Il modello da 32 MB di Underdog sfida questo paradigma dimostrando un output di alta qualità da un ingombro minimo. Questa efficienza potrebbe consentire ai creatori di integrare la generazione audio AI direttamente in applicazioni desktop o persino dispositivi mobili, offrendo feedback e iterazioni istantanei senza chiamate API.
La doppia capacità del modello di generare sia parlato che musica da un unico pacchetto compatto offre un vantaggio distinto. I creatori che lavorano a progetti narrativi, podcast o sviluppo di giochi potrebbero generare voci fuori campo e colonne sonore contemporaneamente, semplificando il loro flusso di lavoro. Questo contrasta con molte soluzioni esistenti che spesso si specializzano in una o nell'altra, o richiedono modelli molto più grandi per ottenere una qualità comparabile. Mentre ElevenLabs si è concentrata sulla pubblicazione audio basata su cloud, l'approccio di Underdog indica un futuro in cui la creazione avviene più vicino all'utente.
Il vantaggio più immediato per i creatori di arte AI risiede nell'agilità del flusso di lavoro e nella riduzione dei costi. L'esecuzione di modelli localmente elimina le tariffe per richiesta e minimizza la latenza associata al trasferimento di dati da e verso i server cloud. Ciò significa più sperimentazione, prototipazione più rapida e, in definitiva, un processo creativo più fluido per la generazione di contenuti audio basati su AI. Per artisti indipendenti e piccoli studi, questo potrebbe essere un fattore decisivo nell'adozione più ampia degli strumenti AI.
«La citazione esatta, al massimo una frase.»
— TechCrunch
Sebbene le metriche di qualità specifiche e la gamma di stili ottenibili con il modello di Underdog rimangano segrete, la mera esistenza di un modello audio così compatto e versatile suggerisce un futuro in cui gli strumenti AI non sono solo potenti, ma anche accessibili ed efficienti. Il passaggio a modelli più piccoli ed efficienti è stato un tema ricorrente nello sviluppo dell'AI, come si è visto con alcuni modelli di generazione di immagini che ora possono essere eseguiti efficacemente su GPU consumer. Questa tendenza democratizza l'accesso a capacità AI avanzate, spostando il potere della creazione dai data center centralizzati alle mani dei singoli creatori. I prossimi passi riguarderanno il modo in cui Underdog posizionerà commercialmente questo modello e quali strumenti per sviluppatori offrirà per integrarlo nei flussi di lavoro creativi esistenti.
