Помощник сценариста▸ 
AI Приложения 
AI Новости 
Xinchen Lingo: универсальная end-to-end модель для речи
Xinchen Lingo: универсальная end-to-end модель для речиОписание
Lingo от Xihu Xinxin — это первая в Китае сквозная универсальная речевая ai модель большого масштаба, разработанная командой Xihu Xinxin. Её ключевое преимущество заключается в способности улавливать тончайшие нюансы речи, понимая текстовую информацию, эмоции, интонацию и тембр голоса. Lingo от Xinxin не только понимает слова пользователя, но и глубоко постигает его намерения и чувства, придавая ИИ высокий уровень эмоционального интеллекта. Эта модель демонстрирует выдающиеся результаты в обработке китайской речи, превосходя даже GPT-4o, и находит широкое применение во множестве областей.
Речевая модель Lingo от Xinxin, разработанная командой Xihu Xinxin, является первой в Китае сквозной универсальной речевой моделью большого масштаба. Запись на бета-тестирование открылась 24 августа 2024 года, а официальная презентация состоялась 5 сентября на конференции The Bund. Запланирован выпуск в октябре отраслевых речевых моделей, обученных на базе Lingo от Xinxin, для таких сфер, как сопровождение детей, психологическое консультирование и обслуживание клиентов в продажах, что позволит дальше продвигать инновации и применение технологий голосового ИИ.
Функции речевой модели большого масштаба Lingo от Xinxin:
Встроенное понимание речи: Lingo от Xinxin способен не только распознавать текст в речи, но и улавливать важные характеристики, такие как эмоции, интонация и тембр, включая фоновые звуки. Это позволяет модели более полно понимать содержание речи, обеспечивая естественный и живой интерактивный опыт.
Разнообразные стили речи: В зависимости от контекста и команд пользователя Lingo от Xinxin может адаптивно регулировать скорость, высоту и интенсивность шума в голосе, а также генерировать речевые ответы в различных стилях — диалог, пение, кросс-ток и других, что значительно повышает гибкость и адаптивность модели в различных сценариях применения.
Сверхсжатие речевого модального сигнала: Использование речевого кодека с коэффициентом сжатия в сотни раз значительно снижает вычислительные затраты и затраты на хранение при сохранении высокого качества голосового вывода.
По сравнению с традиционными системами преобразования текста в речь (TTS), Lingo от Xinxin как сквозная речевая модель большого масштаба объединяет полный цикл взаимодействия — от голосового ввода до голосового отклика, предоставляя пользователю более полный и плавный опыт голосового взаимодействия. Кроме того, Lingo от Xinxin обладает такими техническими возможностями, как прерывание в реальном времени, управление командами в реальном времени, сверхчеловечность, способность говорить и петь, и обеспечивает более выдающееся качество китайской речи, чем GPT-4o.
Области применения речевой модели большого масштаба Lingo от Xinxin:
Образование: интеллектуальное голосовое обучение и помощь в учёбе.
Финансы: повышение эффективности и удовлетворённости клиентского обслуживания.
Здравоохранение: психологическое консультирование и вмешательство.
Государственное управление и публичные услуги: интеллектуальные голосовые сервисы.
Медиа и развлечения: богатый опыт голосового взаимодействия.
Запуск Lingo от Xinxin знаменует важный прорыв Китая в области голосовых технологий. Модель обеспечивает бесшовное сквозное взаимодействие — от голосового ввода до голосового вывода, улавливая тончайшие нюансы речи и понимая эмоции пользователя. Она глубоко понимает намерения пользователя и отвечает в столь же выразительной голосовой форме. Эта сквозная технология обработки полностью переосмысливает традиционные подходы к работе с голосом. Появление речевой модели большого масштаба Lingo от Xinxin не только расширяет глубину и широту взаимодействия человека с машиной, но и открывает новые возможности для изучения и практического применения интеллектуальных голосовых решений. Значительно снижаются потери информации в процессе преобразования, благодаря чему «машина» понимает человеческий язык более тонко и точно, обеспечивая близкий к человеческому опыт взаимодействия.
В настоящее время сквозная универсальная речевая модель большого масштаба Lingo от Xinxin открыта для записи на тестирование — приглашаем всех записаться и лично оценить возможности модели.
Связанные материалы:
Seed-ASR: модель автоматического распознавания речи от ByteDance
10 рекомендуемых открытых TTS-моделей голосового синтеза
Seed-TTS: высококачественная модель преобразования текста в речь (TTS), разработанная ByteDance
