Новини›聲音›Fish Audio пусна Live 3, глас модел, който слуша и говори едновременно
聲音

Fish Audio пусна Live 3, глас модел, който слуша и говори едновременно

MarkTechPost · сряда, 11 ноември, 06:43 · 1 мин четене

Моделът реагира за най-малко 186 ms и засега работи само на английски

Fish Audio пусна Live 3, нов глас модел за гласови агенти. Той работи в режим на пълен дуплекс, което значи, че слуша, докато говори. Така събеседникът може да каже „ааа“, да се поправи или да прекъсне, без разговорът да се счупи. Разликата между „ааа“ и истинско прекъсване моделът вече прави сам, без отделни правила за всяка ситуация.

Досега повечето гласови агенти работят на отделни стъпки: разпознаване, мислене, говорене и решение кога да се обади човекът. Fish Audio казва, че Live 3 взема това решение вътре в самия глас модел. Той е обучен на истински човешки разговори и учи кога да потвърди, кога да изчака, кога да отговори и кога да спре. Инструкциите и инструментите на агента остават в отделен слой.

Компанията посочва, че Live 3 може да реши да отговори само за 186 ms. Това време важи за кратки реакции като „мхм“, „добре“ или бързо потвърждение, а цялият отговор се подготвя паралелно. Fish Audio не е публикувала пълно разпределение на забавянето, така че не може да се каже колко бързо започва пълен отговор.

Live 3 е достъпен в платформата Fish Agent, през API на Fish Audio и локално за фирми. Платформата за агенти е в публична бета. Агентите работят през REST интерфейс, могат да отговарят на телефонни номера, да се свързват през WebRTC или да стоят като уиджет в сайт. Библиотеката съдържа над 2 милиона гласа, включително клонирани.

Още новини