هوش مصنوعی صوتی VoxNexus با پشتیبانی از بیش از ۱۰۰ زبان و بدون نیاز به اینترنت به گوشی‌های اندرویدی ارزان‌قیمت می‌آید
شرکت VoxNexus از فناوری جدیدی به نام VoxEdge رونمایی کرده است که قابلیت‌های تشخیص گفتار، ترجمه و تولید گفتار را مستقیماً روی دستگاه‌های اندرویدی ارزان‌قیمت و بدون نیاز به اینترنت ارائه می‌دهد. این مجموعه فناوری صوتی از ۳۶ زبان برای تشخیص گفتار، ۱۰۳ زبان برای ترجمه و ۴۵ زبان برای تولید گفتار پشتیبانی می‌کند. تمامی این قابلیت‌ها بدون اتصال به اینترنت، خرید بسته داده یا پرداخت هزینه پردازش در فضای ابری در دسترس هستند.
هوش مصنوعی باید برای همه قابل استفاده باشد، نه فقط کسانی که به چند زبان رایج جهان صحبت می‌کنند. بااین‌حال، توسعه هوش مصنوعی صوتی در بخش بزرگی از آفریقا با موانعی روبه‌رو بوده است؛ از جمله کمبود داده‌های آموزشی و نبود تنظیم و بهینه‌سازی اختصاصی مدل‌ها برای زبان‌های مختلف. از سوی دیگر، مردم در گفت‌وگوهای روزمره اغلب میان زبان‌های مختلف جابه‌جا می‌شوند یا از گویش‌های متفاوت استفاده می‌کنند. هزینه پردازش مبتنی بر فضای ابری نیز می‌تواند ارائه این فناوری را در مقیاس گسترده پرهزینه کند.
راهکارهای VoxNexus تمامی پردازش‌ها را مستقیماً روی دستگاه انجام می‌دهند و پس از نصب مدل، پردازش هر درخواست بدون هزینه اضافی صورت می‌گیرد. مدل تشخیص گفتار این شرکت در کوچک‌ترین نسخه خود تنها ۶۵ میلیون پارامتر دارد، اما نرخ خطای تشخیص واژه در آن از مدل‌های متن‌باز با ابعادی نزدیک به ۱۰ برابر بزرگ‌تر نیز کمتر است.
چارلز شی، مدیرعامل VoxNexus، گفت: «زبان‌هایی که منابع داده‌ای محدودی دارند، لزوماً زبان‌های کم‌گویشور نیستند. صدها میلیون نفر به این زبان‌ها صحبت می‌کنند. مسئله این است که مدل‌های هوش مصنوعی تا امروز هنوز این زبان‌ها را یاد نگرفته‌اند.»
VoxNexus همچنین راهکار دیگری به نام VoxSense معرفی کرده است که امکان شنود مداوم صداهای محیط را با پردازش مستقیم روی دستگاه فراهم می‌کند. این سامانه برای ۱۲ ساعت شنود پیوسته تنها ۱۶۲ میلی‌آمپرساعت انرژی مصرف می‌کند؛ مقداری معادل حدود ۲٫۵ درصد ظرفیت باتری یک گوشی ۶۵۰۰ میلی‌آمپرساعتی. از آنجا که تمامی پردازش‌ها روی خود دستگاه انجام می‌شوند، VoxSense امکان شنود دائمی را بدون مصرف زیاد باتری و بدون ارسال هیچ‌گونه صدایی به فضای ابری فراهم می‌کند. توسعه‌دهندگان و سازندگان دستگاه‌ها می‌توانند با دریافت مجوز استفاده و بهره‌گیری از یک کیت توسعه نرم‌افزار (SDK) ساده، این فناوری را به‌راحتی در محصولات خود ادغام کنند. توسعه‌دهندگان برای درخواست نسخه آزمایشی رایگان می‌توانند به وب‌سایت www.VoxNexus.ai مراجعه کنند.
دو فناوری VoxSense و VoxEdge روز ۱۹ اکتبر در مراسم رونمایی از تراشه Dimensity 9600 شرکت مدیاتک در مادرید معرفی شدند.
این خبر از سوی گروه APO به نمایندگی از VoxNexus AI منتشر شده است.
درباره VoxNexus:
شرکت VoxNexus فناوری هوش مصنوعی با قابلیت شنیدن و صحبت‌کردن را توسعه می‌دهد تا همه افراد، در هر مکان و هر زمان، بتوانند از آن استفاده کنند. فناوری هوش صوتی این شرکت تمامی پردازش‌ها را مستقیماً روی دستگاه انجام می‌دهد و در هر دستگاه مجهز به تراشه، تأخیر کم، حفظ حریم خصوصی به‌صورت داخلی و حذف کامل هزینه پردازش مبتنی بر توکن را فراهم می‌کند. دفتر مرکزی VoxNexus در سنگاپور قرار دارد. وب‌سایت: www.VoxNexus.ai. راه ارتباطی: [email protected]
