Kyutai lançou Voice of Reason — duas modelos com pesos abertos para conversão de fala em fala. Segundo o MarkTechPost, eles são construídos sobre GLM-4-Voice-9B e destinados a resolver problemas matemáticos falados.
No descrição afirma que após o treinamento com supervisão e treinamento com reforço a precisão na versão falada GSM8K aumentou de 27,3% para 77,1%. Na esquema declarada não há etapa de transcrição e modelo de linguagem textual no circuito de processamento.
Ambos os pontos de verificação estão publicados no Hugging Face e, de acordo com o mesmo anúncio, são executados em um único H100. Essas informações são apresentadas por uma única fonte independente e baseadas nos metadados dela, e não no texto completo disponível aqui.
comentário editorial
Por que importa
Provável consequência — aumento do interesse em modelos de fala que resolvem tarefas diretamente a partir do áudio, sem intermediário textual obrigatório. O próximo sinal verificável será a publicação primária da Kyutai com o método e resultados independentes. A incerteza substancial está relacionada ao fato de que atualmente disponível apenas a sinopse de uma fonte.