Bland представи Tofu-1 за двупосочни гласови разговори
Bland представи Tofu-1 — модел за пълнодуплексна комуникация между реч и реч, достъпен в предварителен изследователски преглед за предприятия. Компанията за гласов изкуствен интелект от Сан Франциско го насочва към телефонни разговори в трудни условия, включително движещи се автомобили, болнични стаи и линии със слаб сигнал. Вместо да използва междинен транскрипт, Tofu-1 обработва директно входящия и изходящия звук.
Според Bland моделът може да различава говорители, да отделя гласове от шумове като трафик, телевизор, плачещо дете или болнична уредба и да разпознава колебание, раздразнение и спешност. Събеседниците могат да го прекъсват или поправят, докато говори. Tofu-1 може също да продължава диалога, докато изпълнява заявка, и да създава симулирани сцени с втори говорител и шумове от телефонната линия.
Bland не е публикувала архитектурата, броя параметри, закъснението, цената или официални бенчмаркове. Компанията съобщава, че над 92% от участниците в тестове не са успели да го разпознаят, но определя данните като самодекларирани. Достъпът е ограничен до предприятия; посочените сектори включват банкиране, здравеопазване, застраховане и държавна администрация.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.