Bland выпустила голосовую модель Tofu-1 для полнодуплексных звонков
Компания Bland представила Tofu-1 — модель полного дуплекса для преобразования речи в речь, доступную в рамках исследовательской предварительной версии для предприятий. Разработчик голосового ИИ из Сан-Франциско ориентирует ее на сложные телефонные условия: звонки из движущихся автомобилей и больничных помещений, а также разговоры по линиям со слабым сигналом. В отличие от каскадных систем, Tofu-1 работает непосредственно со звуком, без промежуточной расшифровки.
По описанию Bland, модель различает собеседников, отделяет голоса от шума транспорта, телевизора, плачущего ребенка, больничных объявлений и сигналов клавиатуры, а также распознает паузы, раздражение и срочность. Пользователь может перебить или исправить Tofu-1 во время его реплики. Модель также продолжает вести разговор, пока обрабатывает запрос, и способна создавать звуковые сцены с дополнительным говорящим и шумами линии.
Bland пока не раскрыла архитектуру, число параметров, задержку, стоимость и результаты формальных тестов. Компания заявляет, что более 92% участников проверок не смогли распознать модель, однако называет этот показатель полученным самостоятельно. Доступ предоставляется ограниченному числу предприятий; среди целевых отраслей указаны банки, медицина, страхование и государственный сектор.
Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.