Bland випустила повнодуплексну голосову модель Tofu-1 для дзвінків
Компанія Bland представила Tofu-1 — модель повнодуплексного перетворення мовлення на мовлення, яка доступна в межах дослідницького попереднього перегляду для підприємств. Розробник голосового штучного інтелекту із Сан-Франциско орієнтує її на складні телефонні умови: розмови з автомобілів, лікарняних приміщень і ліній зі слабким сигналом. На відміну від каскадних голосових систем, Tofu-1 безпосередньо працює з аудіо, не використовуючи проміжну транскрипцію.
За даними Bland, модель розрізняє мовців, відділяє голоси від шуму транспорту, телевізора, плачу дитини, лікарняних оголошень і сигналів клавіатури, а також визначає вагання, роздратування та терміновість. Співрозмовник може перебити або виправити Tofu-1 під час його репліки. Модель також продовжує діалог, поки опрацьовує запит, і може створювати звукові сцени з другим мовцем та шумами телефонної лінії.
Bland не оприлюднила архітектуру, кількість параметрів, затримку, ціну чи формальні результати тестування. Компанія заявляє, що понад 92% учасників перевірок не змогли розпізнати модель, але називає цей показник самостійно отриманим. Доступ обмежений підприємствами; серед цільових галузей названо банківську справу, охорону здоров’я, страхування та державний сектор.
Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.