Underdog、32MB音声生成モデルをデモ公開

AI企業間の大型モデル競争が進む中、スタートアップのアンドドッグが、小型音声モデル「ウッド」を用いたデモゲームを公開した。同モデルは32メガバイト、パラメータ数は3100万で、同社によると専用設備やインターネット接続を必要とせず、多くの端末でブラウザ経由の動作が可能だ。デモでは、古典的な技術風の内装の部屋で、タイプライターに入力した文字を音声で読み上げたり、チューナーで音楽を生成したりできる。同社は、こうした小型モデルが大型モデルを置き換えるものではないとしつつ、端末上で動くローカルアシスタントやパーソナル音声コンテンツの生成に活用できる可能性があるとしている。 今回のデモは、同社が数週間前に公開した167メガバイトの音声認識モデル「バーク」に続く発表で、いずれも端末側での処理を想定している。創業者のシギル・ウェン氏は、既製のAIノートサービスを使うのではなく、ユーザーが自分のデータを手元で管理できる仕組みを作りたいと考えたと説明する。同氏は、現在最も能力の高いモデルでも数か月以内に一般的な端末で動かせるようになるとし、公開的で米国製、能力が高く、プライバシーに配慮したモデル開発を目指すとしている。 アンドドッグは音声モデルに加え、ノート型パソコンで動作する270億パラメータのモデルも公開済みだ。さらに、同社は「ミューズ」や「インスティンクト」のローカル対応型アプリとして位置付ける製品を準備し、利用者をリスト登録制で受け付けている。大型化が進むAIモデルの流れの中で、端末内で完結する軽量・公開型モデルがどこまで実用的になるかが注目される。