Underdog, стартап в области ИИ, работающий в скрытом режиме, продемонстрировал новую модель ИИ, которая может генерировать как речь, так и музыку, занимая при этом всего 32 мегабайта памяти. Это достижение может значительно снизить зависимость от облачной инфраструктуры для генерации ИИ-аудио.
Основные выводы
- Новая ИИ-модель Underdog исключительно компактна, требуя всего 32 МБ памяти, что делает ее подходящей для развертывания на устройстве.
- Модель может генерировать как человеческую речь, так и музыкальные композиции, предлагая универсальный инструмент для создателей аудио.
- Ее малый размер обеспечивает более быструю обработку и снижает вычислительные затраты, обычно связанные с более крупными облачными ИИ-моделями.
- Эта эффективность может децентрализовать генерацию ИИ-аудио, позволяя создателям запускать сложные модели непосредственно на потребительском оборудовании.
Эта компактная модель знаменует собой заметный сдвиг от больших, ресурсоемких моделей, которые в настоящее время доминируют в области ИИ-аудио, потенциально снижая барьеры для создателей, позволяя локальную генерацию на стандартных устройствах. Для ИИ-художников это означает меньшую зависимость от интернет-соединения и снижение эксплуатационных расходов на генерацию аудио, подобно тому, как локальные модели изображений предлагают больший контроль и конфиденциальность для визуальных создателей.
Генерация аудио на устройстве для создателей
Исторически сложилось так, что продвинутые ИИ-модели, особенно для аудио и видео, требовали значительных облачных вычислительных ресурсов, что приводило к существенным затратам и задержкам. 32-мегабайтовая модель Underdog бросает вызов этой парадигме, демонстрируя высококачественный вывод при минимальном объеме. Эта эффективность может позволить создателям интегрировать генерацию ИИ-аудио непосредственно в настольные приложения или даже мобильные устройства, предлагая мгновенную обратную связь и итерации без вызовов API.
Двойная способность модели генерировать как речь, так и музыку из одного компактного пакета предлагает явное преимущество. Создатели, работающие над нарративными проектами, подкастами или разработкой игр, могли бы одновременно генерировать озвучку и фоновые саундтреки, оптимизируя свой рабочий процесс. Это контрастирует со многими существующими решениями, которые часто специализируются на одном или другом, или требуют гораздо больших моделей для достижения сопоставимого качества. В то время как ElevenLabs сосредоточилась на облачной публикации аудио, подход Underdog указывает на будущее, где создание происходит ближе к пользователю.
Последствия для творческих рабочих процессов и затрат
Наиболее непосредственная выгода для создателей ИИ-арта заключается в гибкости рабочего процесса и снижении затрат. Запуск моделей локально устраняет плату за запрос и минимизирует задержки, связанные с передачей данных на облачные серверы и обратно. Это означает больше экспериментов, более быстрое прототипирование и, в конечном итоге, более плавный творческий процесс для генерации аудиоконтента на основе ИИ. Для независимых художников и небольших студий это может стать решающим фактором в более широком внедрении ИИ-инструментов.
«Точная цитата, максимум одно предложение.»
— TechCrunch
Хотя конкретные метрики качества и диапазон стилей, достижимых с помощью модели Underdog, остаются в секрете, само существование такой компактной, универсальной аудиомодели предполагает будущее, в котором ИИ-инструменты будут не только мощными, но и доступными и эффективными. Переход к меньшим, более эффективным моделям является повторяющейся темой в развитии ИИ, как это видно на примере некоторых моделей генерации изображений, которые теперь могут эффективно работать на потребительских графических процессорах. Эта тенденция демократизирует доступ к передовым возможностям ИИ, перемещая мощь создания из централизованных центров обработки данных в руки отдельных создателей. Следующие шаги будут заключаться в том, чтобы увидеть, как Underdog позиционирует эту модель коммерчески и какие инструменты разработчика она предлагает для ее интеграции в существующие творческие конвейеры.
