เมื่อเร็วๆ นี้ นักวิจัยจากมหาวิทยาลัย Fudan ได้สร้างความก้าวหน้าครั้งสำคัญ และประสบความสำเร็จในการเปิดตัวโมเดลภาษาพูดขนาดใหญ่รูปแบบใหม่ SpeechGPT-Gen แบบจำลองนี้มีขนาดพารามิเตอร์ 8 พันล้านและมีประสิทธิภาพที่ยอดเยี่ยมในด้านการแปลงข้อความเป็นคำพูด การแปลงคำพูด และบทสนทนาด้วยเสียง ประสิทธิภาพสูงนี้มาจากวิธีสร้างห่วงโซ่ข้อมูลที่เป็นนวัตกรรมใหม่ งานวิจัยนี้กำหนดหลักชัยใหม่สำหรับการพัฒนาเทคโนโลยีปัญญาประดิษฐ์ด้วยเสียง และให้การสนับสนุนทางเทคนิคที่แข็งแกร่งสำหรับแอปพลิเคชันอัจฉริยะที่มากขึ้นในอนาคต
หน้าแรกของผู้ดูแลเว็บรายงานว่านักวิจัยจากมหาวิทยาลัย Fudan ได้เปิดตัว SpeechGPT-Gen ซึ่งเป็นโมเดลภาษาพูดพารามิเตอร์ 8B ขนาดใหญ่ที่มีประสิทธิภาพสูงในการสร้างแบบจำลองข้อมูลความหมายและการรับรู้ โมเดลนี้แสดงให้เห็นถึงประสิทธิภาพและความสามารถในการปรับขนาดที่ยอดเยี่ยมในแอปพลิเคชันต่างๆ เช่น การแปลงข้อความเป็นคำพูดเป็นศูนย์ช็อต การแปลงคำพูด และบทสนทนาด้วยเสียง วิธี Chain of Information Generation (CoIG) ถูกนำมาใช้เพื่อแก้ปัญหาความไร้ประสิทธิภาพในวิธีการสร้างคำพูดแบบดั้งเดิม นอกจากนี้ โมเดลยังใช้ข้อมูลความหมายเป็นแนวทางเบื้องต้นในการจับคู่โฟลว์ ซึ่งช่วยปรับปรุงประสิทธิภาพและคุณภาพเอาต์พุตของโมเดล
การเกิดขึ้นของโมเดล SpeechGPT-Gen ถือเป็นความก้าวหน้าครั้งสำคัญในเทคโนโลยีปัญญาประดิษฐ์ด้านการพูด ประสิทธิภาพและความสามารถในการปรับขยายที่สูงทำให้มีความเป็นไปได้สำหรับสถานการณ์การใช้งานเพิ่มเติมในอนาคต มันคุ้มค่าที่จะรอคอยการใช้งานและการพัฒนาเพิ่มเติมในสาขาต่างๆ ฉันเชื่อว่าผลการวิจัยที่น่าประหลาดใจจะเกิดขึ้นในอนาคต