Израильский стартап Deepdub обошел мировых гигантов в синтезе речи на иврите
Новая языковая модель Phantom Z 3.4 с 3,4 миллиарда параметров успешно справилась со спецификой иврита без огласовок и опередила разработки OpenAI и Google.
Израильский стартап Deepdub создал модель Phantom Z 3.4, обошедшую решения OpenAI и Google в синтезе речи на иврите.
Нейросеть насчитывает 3,4 миллиарда параметров, а ее адаптация под новые языки занимает всего две недели.
Локальные ИИ-решения доказывают превосходство над глобальными аналогами в нишевых лингвистически сложных задачах.
Израильский стартап Deepdub представил новую языковую модель искусственного интеллекта для синтеза речи — Phantom Z 3.4, которая смогла превзойти глобальных технологических гигантов в работе со сложным семитским языком. Как сообщает издание Geektime, разработка открывает новые возможности для коммерческого применения ИИ на местном рынке.
Собственная сквозная разработка
В отличие от многих конкурентов, зависящих от сторонних готовых решений, израильская компания создала Phantom Z 3,4 миллиарда параметров с нуля на базе собственных запатентованных массивов данных. Как отмечает директор по маркетингу компании Зивит Кац, полный контроль над технологическим пайплайном позволяет внедрять поддержку новых языков в коммерческий продакшн всего за две недели.
«Мы не опираемся на внешнюю систему TTS, а разрабатываем технологию у себя от начала и до конца», — поясняет Кац.
Победа над гигантами в тестах на иврит
Иврит традиционно представляет собой серьезную сложность для систем Text-To-Speech из-за отсутствия огласовок в повседневном письменном тексте. Одинаково написанные слова могут совершенно по-разному звучать и менять значение в зависимости от общего контекста. Модель анализирует предложение целиком, а не озвучивает каждое слово изолированно, корректно справляясь с аббревиатурами, числами, датами и именами собственными.
В независимых бенчмарках Coval и TTS Arena от платформы ivrit.ai модель Phantom Z 3.4 уверенно заняла первое место, оставив позади передовые голосовые решения от Google, OpenAI и ElevenLabs. Проприетарная разработка уже активно внедряется коммерческими клиентами для автоматизации служб телефонной поддержки, а также в сферах гейминга и рекламы.