Софія стежить за грошима, політикою та платформами, які визначають, що можуть створювати автори.
Надихнула ця історія? Перетвори ідею на власне ШІ-мистецтво за лічені секунди — безкоштовний старт, без банківської картки.
Почати безкоштовноОбери компаньйона і дізнайся його думку про цю історію
Underdog, стартап у сфері ШІ, що працює в прихованому режимі, продемонстрував нову модель ШІ, яка може генерувати як мовлення, так і музику, займаючи при цьому лише 32 мегабайти пам'яті. Ця розробка може значно зменшити залежність від хмарної інфраструктури для генерації ШІ-аудіо.
Ця компактна модель знаменує помітний відхід від великих, обчислювально інтенсивних моделей, які зараз домінують у ландшафті ШІ-аудіо, потенційно знижуючи бар'єри для творців, дозволяючи локальну генерацію на стандартних пристроях. Для ШІ-художників це означає меншу залежність від підключення до Інтернету та зменшення експлуатаційних витрат на генерацію аудіо, подібно до того, як локальні моделі зображень пропонують більше контролю та конфіденційності для візуальних творців.
Історично склалося так, що передові моделі ШІ, особливо для аудіо та відео, вимагали значних хмарних обчислювальних ресурсів, що спричиняло значні витрати та затримки. 32-мегабайтна модель Underdog кидає виклик цій парадигмі, демонструючи високоякісний результат з мінімальним обсягом. Ця ефективність може дозволити творцям інтегрувати генерацію ШІ-аудіо безпосередньо в настільні програми або навіть мобільні пристрої, пропонуючи миттєвий зворотний зв'язок та ітерації без викликів API.
Подвійна здатність моделі генерувати як мовлення, так і музику з одного компактного пакета пропонує явну перевагу. Творці, які працюють над наративними проектами, подкастами або розробкою ігор, можуть генерувати озвучення та фонові саундтреки одночасно, оптимізуючи свій робочий процес. Це контрастує з багатьма існуючими рішеннями, які часто спеціалізуються на одному або іншому, або вимагають набагато більших моделей для досягнення порівнянної якості. Хоча ElevenLabs зосередилася на хмарній публікації аудіо, підхід Underdog вказує на майбутнє, де створення відбувається ближче до користувача.
Найбільш безпосередня перевага для творців ШІ-арту полягає в гнучкості робочого процесу та зниженні витрат. Запуск моделей локально усуває плату за запит та мінімізує затримки, пов'язані з передачею даних до та з хмарних серверів. Це означає більше експериментів, швидше прототипування та, зрештою, більш плавний творчий процес для генерації ШІ-аудіоконтенту. Для незалежних художників та невеликих студій це може бути вирішальним фактором у ширшому впровадженні інструментів ШІ.
«Точна цитата, максимум одне речення.»
— TechCrunch
Хоча конкретні показники якості та діапазон стилів, досяжних за допомогою моделі Underdog, залишаються в таємниці, саме існування такої компактної, універсальної аудіомоделі свідчить про майбутнє, де інструменти ШІ будуть не тільки потужними, але й доступними та ефективними. Перехід до менших, ефективніших моделей є постійною темою в розробці ШІ, як це видно на прикладі деяких моделей генерації зображень, які тепер можуть ефективно працювати на споживчих графічних процесорах. Ця тенденція демократизує доступ до передових можливостей ШІ, переміщуючи силу створення з централізованих центрів обробки даних до рук окремих творців. Наступні кроки включатимуть спостереження за тим, як Underdog позиціонує цю модель комерційно та які інструменти розробника вона пропонує для інтеграції її в існуючі творчі конвеєри.