発表の内容
Underdogは、新しい音声モデルWoofを用いたゲームのデモを公開しました。ゲームの舞台はレトロなテック調の部屋で、タイプライターとブラウン管モニターが登場します。イントロでは、街にいる「押しつけがましい」クラウド事業者についての警告が表示されます。
キーボードでタイプライターに任意の文字を入力すると、ゲームがその内容を音声で読み上げます。チューナーを回すと、さまざまな種類の音楽も生成されます。これらの動作はすべて、ブラウザ上でUnderdogの音声生成モデルを通じて動きます。
モデルの仕様と提供状況
Woofは32MB、3100万パラメータの音声生成モデルで、誰でもダウンロードできるとされています。Underdogによれば、ほとんどの端末でインターネット接続なしに動作するといいます。創業者のSigil Wen氏はTechCrunchに対し、オープンで米国製のモデルを訓練し、プライベートなAIを実現したいと語りました。
今回のデモは、エッジ端末向けに設計された167MBの音声認識モデルBarkの公開から数週間後の発表です。同社はほかに、ノートPCで動作する270億パラメータのモデルも公開しています。MuseとInstinctのローカル実行型の代替として位置づけられるアプリは、現在ウェイトリスト形式です。料金や商用利用の条件は今回の発表では示されていません。
クリエイターや事業者にとっての意味
32MBという規模は、配布や端末への組み込みのしやすさという点で注目されます。一方でTechCrunchは、このような小型モデルが大型モデルを置き換える可能性は低いと述べています。動画制作やEC運用の現場では、通信が限られた環境や端末内で処理を完結させたい場面の選択肢として、確認する価値があるかもしれません。
ただし、対応する端末やブラウザ、ダウンロードしたモデルのライセンス条件、音声品質の評価は今回の情報では明らかにされていません。デモ内でのデータの扱いについても言及はありません。導入を検討する場合は、公開されているモデルの条件を個別に確認することが望ましいです。
この記事について：本文は情報源の内容をもとにAIが作成し、情報源と照合したうえで編集者が確認しています。画像はAISTETIKAのためにAIで生成したイメージで、ニュースの実際の画像ではありません。
