Underdog 展示 32MB 语音模型 Woof:浏览器离线生成语音与音乐
💬 小乌点评 💡 小乌的点评:当语音模型缩到几十MB,竞争焦点便从云端算力转向端侧延迟、隐私和产品嵌入能力。 📰 原文详情 全球 AI 公司普遍通过扩大参数规模追求更强能力,但大型模型也需要巨量计算资源。另一条技术路线则试图压缩模型,使其能够直接运行在手机、电脑等边缘设备上。初创公司 Underdog 最新发布的文本转语音模型 Woof 只有约31.7MB,并以一款完全在浏览器中运行的复古风格游戏展示其能力,借此强调本地 AI 对云端服务的替代潜力。 演示场景布置了打字机、CRT 显示器、台灯和音乐调谐器等交互元素,开场还以城镇遭遇“侵入式”云服务商为背景,明显是在调侃依赖云计算的 AI 产品。用户可以用键盘输入任意文字,由 Woof 即时朗读;也能旋转调谐器生成不同类型的音乐,游戏中的全部声音均由该模型合成。Underdog 表示,这些功能可在大多数设备上离线完成,不必将输入或音频上传服务器。 Woof 采用约3100万参数,模型已开放下载。虽然如此紧凑的模型很难全面取代规模更大的云端语音系统,但它已足以支撑本地语音助手、个性化播客及注重隐私的交互应用。发布 Woof 数周前,Underdog 还推出了167MB的语音转文字模型 Bark,同样面向边缘设备,可用于转录和听写;两款产品由此覆盖本地语音输入与输出链路。 创始人 Sigil Wen 表示,他最初开发相关应用,是因为不想依赖 Granola 一类云端笔记工具,而希望构建一套让模型在用户设备上运行、数据由用户掌控的系统。他判断,未来数月内,今天许多高能力模型都可能在现有个人设备上运行,Underdog 的目标则是训练开放、能力可靠、由美国团队开发并能保护隐私的模型。除两款语音模型外,公司还发布了一个可在笔记本电脑上运行的270亿参数模型,并在测试一款候补名单制应用,定位为 Muse 和 Instinct 的本地托管替代方案。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:Woof 的价值不只是把模型压到32MB,而是证明端侧语音交互可以同时覆盖合成、音乐与离线隐私。其真正挑战在于小模型的自然度、多语言表现和长时间稳定性。若量化、硬件加速与浏览器推理继续成熟,本地语音模型将成为手机、PC及嵌入式设备的基础能力,并削弱云端按调用量收费的商业模式。