Gradium cihaz üzerinde çalışan metin okuma modeli Phonon'u açık kaynak yaptı
Öne çıkanlar
- Gradium, internet bağlantısı olmadan çalışan açık ağırlıklı Phonon model ailesini yayımladı.
- Model, harici grafik işlemciye ihtiyaç duymadan Raspberry Pi 5 ve akıllı telefonlarda çalışıyor.
- iPhone 16 Pro üzerinde yapılan testlerde gerçek zamanlı hızın 22 katına ulaşıldı.
- Rust tabanlı komut satırı aracıyla metin girdilerinden doğrudan WAV formatında ses üretiliyor.
Yapay zeka şirketi Gradium, cihaz üzerinde yerel olarak çalışabilen Phonon adlı açık ağırlıklı metin okuma modelini kullanıma sundu. İnternet bağlantısı gerektirmeden çevrimdışı çalışabilen model, verilerin cihaz dışına çıkmasını engelleyerek gizlilik odaklı bir ses sentezi altyapısı sunuyor. Sistem, uygulamalara doğrudan entegre edilebilecek kadar küçük boyutlu mimarisiyle dikkat çekiyor.
Phonon ailesi Phonon 1.0, Phonon 31m, Phonon 40m ve çok dilli Phonon 40m sürümlerini içeriyor. Şirketin paylaştığı test sonuçlarına göre Phonon 31m, diğer ses modellerinin telaffuz etmekte zorlandığı telefon numaraları, e-posta adresleri ve posta kodları içeren 500 farklı cümle üzerinde yüzde 1,7 hata oranına ulaştı. Model, ayrı bir harici grafik kartına ihtiyaç duymadan dizüstü bilgisayarlar, masaüstü sistemler, Android cihazlar ve Raspberry Pi 5 üzerinde görev yapabiliyor.
Sistem, Apple cihazlarında Swift paketi üzerinden çalışarak iPhone 16 Pro modelinde gerçek zamanlı konuşma hızının 22 katına kadar performans sergiliyor. Web tarayıcılarında da doğrudan çalışabilen altyapı; NVIDIA, Apple, Vulkan ve WebGPU donanım hızlandırma desteği sunuyor. Rust tabanlı bir komut satırı arayüzü ile dağıtılan model, GitHub üzerinden indirilebiliyor.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.