समाचारं

"चीनस्य प्रथमः मॉडलः GPT-4o ध्वनिक्षमतां गृहीतुं समर्थः", Xinchen Lingo स्वर AI मॉडलः आन्तरिकपरीक्षण आरक्षणार्थं उद्घाटितः अस्ति

2024-08-24

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

आईटी हाउस् इत्यनेन अगस्तमासस्य २४ दिनाङ्के ज्ञापितं यत् जिन्के टॉमकैट् इत्यनेन निवेशितः Xihu Xinchen इत्यनेन अस्मिन् वर्षे अगस्तमासे Xinchen Lingo इति स्वरस्य बृहत् मॉडलः प्रदर्शितः । बीटा परीक्षण नियुक्तिः उद्घाटयन्तु।

२१ अगस्तदिनाङ्के प्रकाशितघोषणायां आधिकारिकपरिचये उक्तं यत् पारम्परिकटीटीएस-सम्बद्धस्य तुलने अन्ततः अन्तः स्वरबृहत्प्रतिरूपं अधिकं व्यापकं प्रौद्योगिकी अस्तिइदं न केवलं वाक्-परिचयस्य समर्थनं करोति, अपितु प्राकृतिक-भाषा-संसाधनम्, अभिप्राय-परिचयः, संवाद-प्रबन्धनम्, वाक्-संश्लेषणम् इत्यादीनां बहुविध-लिङ्कानां एकीकरणं करोति, वाक्-निवेशात् वाक्-प्रतिक्रियापर्यन्तं सम्पूर्ण-अन्तर्क्रिया-प्रक्रियायाः साक्षात्कारं करोति, यत् मानवीय- सङ्गणकस्य अन्तरक्रिया .

आधिकारिकं प्रेसविज्ञप्तिम् उद्धृत्य IT Home इत्यनेन उक्तं यत् Xinchen Lingo इति ध्वनिप्रतिरूपं चीनदेशे प्रथमं मॉडलं भवति यत् GPT-4o स्वरक्षमतां गृह्णाति अस्य तकनीकीक्षमतायाः दृष्ट्या निम्नलिखितत्रयं महत्त्वपूर्णविशेषता अस्ति

देशी वाक् अवगमनम् : १.एकः अन्तः अन्तः प्रतिरूपः इति नाम्ना Xinchen Lingo न केवलं भाषणे पाठ्यसूचनाः ज्ञातुं शक्नोति, अपितु अन्येषां महत्त्वपूर्णविशेषतानां, यथा भावः, स्वरः, स्वरः, अपि च पर्यावरणीयध्वनयः अपि सटीकरूपेण गृहीतुं शक्नोति, येन आदर्शः वाक्सामग्रीम् अधिकव्यापकरूपेण अवगन्तुं साहाय्यं करोति , तस्मात् अधिकं स्वाभाविकं सजीवं च अन्तरक्रियाशीलं अनुभवं प्रदाति।

अनेकाः स्वरशैलीव्यञ्जनानि : १.Xinchen Lingo सन्दर्भस्य उपयोक्तृनिर्देशस्य च अनुसारं वाक्यानां गतिं, ऊर्ध्वतां, शोरतीव्रतां च अनुकूलरूपेण समायोजितुं शक्नोति, तथा च संवाद, गायनम्, क्रॉसटॉक इत्यादिषु विविधशैल्यां वाक्प्रतिक्रियाः जनयितुं शक्नोति, येन भिन्न-भिन्न-मध्ये मॉडलस्य लचीलतां प्रभावीरूपेण सुधारयति अनुप्रयोगपरिदृश्यानि तथा अनुकूलनक्षमता।

भाषण मोडल सुपर संपीड़न : १.Xinchen Lingo इत्येतत् संपीडनदरस्य शतशः गुणानां वाक् कोडेकस्य उपयोगं करोति, यत् अत्यन्तं लघुदीर्घतां यावत् वाक् संपीडयितुं शक्नोति, येन कम्प्यूटिंग् तथा भण्डारणव्ययः महत्त्वपूर्णतया न्यूनीकरोति तथा च उच्चगुणवत्तायुक्तं वाक् सामग्रीं जनयितुं मॉडलस्य सहायतां करोति