वायरल वर्चुअल असिस्टेंट माया के पीछे तिल ने बेस एआई मॉडल का अनावरण किया

Sesame, स्ट्राइकिंग लाइफलाइक वॉयस असिस्टेंट माया के पीछे अभिनव एआई कंपनी, ने अपनी क्षमताओं को चलाने वाले बेस मॉडल को जारी करके सिर्फ लहरें बनाई हैं। CSM-1B को डब किया गया, यह मॉडल 1 बिलियन मापदंडों का आकार समेटे हुए है, एक शब्द जो मॉडल को बनाने वाले व्यक्तिगत घटकों को संदर्भित करता है। Apache 2.0 लाइसेंस के तहत जारी, यह न्यूनतम प्रतिबंधों के साथ व्यावसायिक उपयोग के लिए खुला है, जैसा कि AI डेवलपमेंट प्लेटफॉर्म हगिंग फेस पर घोषित किया गया है।

CSM-1B पाठ और ऑडियो इनपुट को "RVQ ऑडियो कोड" में परिवर्तित करके कार्य करता है। RVQ "अवशिष्ट वेक्टर परिमाणीकरण" के लिए खड़ा है, एक विधि जो ऑडियो को असतत टोकन, या कोड में बदल देती है। इस तकनीक का उपयोग अन्य अत्याधुनिक एआई ऑडियो प्रौद्योगिकियों में भी किया जाता है, जैसे कि Google के साउंडस्ट्रीम और मेटा के एनकोडेक। इसके मूल में, CSM-1B मेटा के लामा परिवार के एक मॉडल का लाभ उठाता है, जो एक ऑडियो "डिकोडर" घटक के साथ संयुक्त है। सीएसएम -1 बी का एक विशेष संस्करण, ठीक-ट्यूनिंग के बाद, तिल के अनुसार, माया की आवाज को शक्ति देता है।

मॉडल को "बेस जेनरेशन मॉडल" के रूप में वर्णित करते हुए, इसके गले लगने वाले चेहरे और GitHub रिपॉजिटरी पर, तिल नोट करता है कि यह विभिन्न प्रकार की आवाज़ों का उत्पादन करने के लिए डिज़ाइन किया गया है, लेकिन किसी भी विशिष्ट आवाज के लिए परिष्कृत नहीं किया गया है। जबकि इसके प्रशिक्षण सेट में "डेटा संदूषण" के लिए गैर-अंग्रेजी भाषाओं को संभालने की कुछ क्षमता है, इस क्षेत्र में इसका प्रदर्शन संभावना है। दिलचस्प बात यह है कि तिल ने प्रशिक्षण डेटा के विवरण को लपेटने के तहत रखा है, जिससे हमें इस मॉडल के निर्माण में क्या मिला।

एक पहलू जो भौंहों को उठाता है वह है मजबूत सुरक्षा उपायों की कमी। तिल एक सम्मान प्रणाली पर काम करता है, बस उपयोगकर्ताओं और डेवलपर्स को बिना अनुमति के किसी की आवाज को दोहराने के लिए मॉडल का उपयोग करने से बचने के लिए प्रोत्साहित करता है, नकली समाचार जैसी भ्रामक सामग्री का उत्पादन करता है, या किसी भी "हानिकारक" या "दुर्भावनापूर्ण" गतिविधियों में भाग लेता है। मैंने व्यक्तिगत रूप से गले लगाने वाले चेहरे पर डेमो का परीक्षण किया, और एक मिनट के भीतर, मैंने अपनी आवाज को क्लोन किया था। यह किसी भी विषय पर भाषण उत्पन्न करने के लिए एक हवा थी, यहां तक ​​कि चुनाव और रूसी प्रचार जैसे संवेदनशील भी।

उपभोक्ता रिपोर्टों ने हाल ही में कई एआई-संचालित वॉयस क्लोनिंग टूल्स में "सार्थक" सुरक्षा उपायों की कमी पर प्रकाश डाला, जिससे संभावित धोखाधड़ी या दुरुपयोग हो सकता है। ओकुलस के सह-निर्माता ब्रेंडन इरिब द्वारा सह-स्थापना की गई तिल ने फरवरी के अंत में अपनी सहायक तकनीक के साथ जनता की नज़र को पकड़ा जो लगभग अलौकिक घाटी से बच जाता है। माया और तिल के अन्य सहायक, माइल्स, दोनों, यथार्थवादी मानव-जैसे लक्षणों को प्रदर्शित करते हैं जैसे कि सांस लेना, असंतुष्टता के साथ बोलना, और ओपनई के वॉयस मोड के समान मध्य-मध्य-भाषण को बाधित करना।

आर्थिक रूप से, तिल ने आंद्रेसेन होरोविट्ज़, स्पार्क कैपिटल और मैट्रिक्स पार्टनर्स जैसे हैवीवेट से अघोषित धन प्राप्त किया है। वॉयस असिस्टेंट से परे, कंपनी अपने कस्टम मॉडल से सुसज्जित पूरे दिन के पहनने के लिए एआई चश्मे को प्रोटोटाइप करने में भी ध्यान दे रही है। यह कदम एआई प्रौद्योगिकी की सीमाओं को हमारे दैनिक जीवन में आगे बढ़ाने के लिए सीम की महत्वाकांक्षा को दर्शाता है।