NVIDIA opdaterer Magpie TTS med tre nye sprog og åbne vægte

NVIDIA har opdateret sin Magpie TTS-stemmemodel til 12 sprog og frigivet open source-vægte, så virksomheder kan køre og tilpasse den på egen infrastruktur. Opdateringen betyder mere naturtro flersproglig tale, der kan bruges i kundesupport og sundhedsassistenter. Virksomheder kan nu idriftsætte modellen via NVIDIA NIM og tilpasse den til egne behov.

NVIDIA har netop opdateret sin stemmemodel Magpie, som kan omskrive skreven tekst til naturligt klingende tale på flere forskellige sprog. Man kan forestille sig modellen som en avanceret stemme-motor, der er bygget til at indgå i digitale assistenter. Den indeholder 364 millioner parametre – tænk på parametre som små indstillingsknapper, som modellen har lært at skrue på under træningen, så den kan gengive sprog så naturtro som muligt. Modellen er udgivet med åben kildekode, hvilket betyder, at virksomheder og udviklere frit kan hente den, køre den på deres egne computere og tilpasse den til netop deres behov.

Den nye udgave引入er tre ekstra sprog: moderne standardarabisk, koreansk og brasiliansk portugisisk. Dermed kan modellen nu håndtere 12 sprog i alt, og ifølge NVIDIA er kvaliteten også blevet bedre på de sprog, der allerede var med, takket være opdaterede træningsdata. Træningsdata er simpelthen store mængder af talesamples, som modellen lytter sig til for at lære, hvordan sproget skal lyde – lidt ligesom et barn, der lærer at tale ved at høre sine omgivelser.

Magpie-modellen er bygget til at indgå i det, man kalder et kaskadeopbygget stemsystem. Forestil dig en slags samlebånd: først lægger en komponent, der hedder talegenkendelse (på engelsk Automatic Speech Recognition, eller ASR), ordene ud fra lyd – det er den del, der forstår, hvad du siger. Dernæst overtager en sprogmodel, der besvarer dit spørgsmål eller laver en handling. Til sidst sender en tekst-til-tale-komponent (TTS) svaret retur som tale. Hvert led kører separat, og det gør det muligt at udskifte eller finjustere ét lag ad gangen, uden at røre ved resten. Det er lidt som at kunne skifte gearkassen i en bil uden at skulle skifte hele motoren. NVIDIA forklarer, at denne opdeling giver bedre kontrol over, hvor hurtigt systemet reagerer, og hvordan data bliver håndteret, sammenlignet med løsninger hvor alt kører ét samlet sted.

Virksomheder kan sætte Magpie i drift gennem NVIDIA NIM, som er NVIDIAs egen platform til at køre modeller i produktion. Det betyder i praksis, at man kan køre hele løsningen på sin egen hardware uden at sende data ud af huset – en fordel, hvis man eksempelvis arbejder med følsomme oplysninger. Blandt de tænkte anvendelser er kundesupport, sundhedsassistenter, oversættelsessystemer og samtale-AI i bredere forstand, hvor en bruger kan tale naturligt med en digital løsning.