Kas Alexa+ käivitab hääleagentide "ChatGPT hetke"?

Amazon tutvustab tehisintellektil põhinevat Alexa+

Pildi allikas: Amazon

Ülevaade: Amazon on äsja avalikustanud Alexa+, oma oodatuima järgmise põlvkonna digitaalse assistendi, mis on täielikult üles ehitatud tehisintellektil ning võimaldab inimlikku suhtlust, personaliseerimist ja sisaldab agendilist võimekust igapäevasteks ülesanneteks.

Detailid:

• Alexa+ ühendab erinevad keelemudelid, nagu Amazon Nova ja Anthropic Claude, et valida igaks ülesandeks kõige sobivam mudel.

• Täiendatud assistent suudab täita keerukaid toiminguid nagu broneeringute tegemine, toidu tellimine, kontserdipiletite ostmine ja palju muud.

• Teised funktsioonid hõlmavad dokumentide analüüsi, kasutajaeelistuste meeldejätmist, vestluse konteksti säilitamist ja integratsioone erinevate teenusepakkujatega.

• Hind on 19,99 eurot kuus, aga see on tasuta Amazon Prime liikmetele. Beeta versioon lansseeritakse järgmine kuu ainult USA turule.

Miks see on oluline: Varasemad hääleabilised nagu Alexa ja Siri on jäänud tehisintellekti arengust maha, kuid uus tehnoloogia toob hääleabilised üle 100 miljoni Prime liikme kodudesse, luues võimaluse, et "ChatGPT-laadne" tehnoloogia jõuab ka tavakasutajateni.

ElevenLabs'i uus kõne-tekstiks tehisintellekt

Pildi allikas: ElevenLabs

Ülevaade: ElevenLabs tutvustas Scribe'i, uut kõne-tekstiks mudelit, mis on väidetavalt maailma täpseim, ületades mitmes keeles tööstuse liidreid nagu Google'i Gemini 2.0 Flash ja OpenAI Whisper v3.

Detailid:

• Scribe toetab 99 keelt ja väidetavalt on täpsus üle 95% enam kui 25 keeles, sealhulgas inglise, itaalia ja hispaania keeles.

• Mudel tõstab standardit keeltes, kus tavaliselt puuduvad kõnetuvastus ja transkriptsioonivõimalused, nagu eesti, serbia, kantoneesi ja malajalami keel.

• Scribe'i hind on 0,40 dollarit tunni kohta salvestatud audio transkribeerimisel ning peatselt tuleb ka madala latentsusega versioon reaalajas kasutamiseks.

Miks see on oluline: Scribe'i täpsus võimaldab inimestel nautida veatuid subtiitreid ja palju muud. See toob kõrgtasemelise transkriptsiooni laiemale globaalsele avalikkusele, eriti keeltele, mida teised mudelid on varem tähelepanuta jätnud.

Inception Labs'i ülikiire difusioonimudel

Pildi allikas: Inception Labs / Artificial Analysis

Ülevaade: Inception Labs tuli turule uue Merkuuri-nimelise difusiooni keelemudeliga, mis genereerib teksti kuni 10 korda kiiremini kui traditsioonilised keelemudelid, säilitades samal ajal kõrge kvaliteedi ja kiiruse üle 1000 märgi sekundis.

Detailid:

• Keelemudelid genereerivad tavaliselt teksti märk-märgi haaval, kuid Merkuuri difusioonilähenemisviis genereerib terveid plokke paralleelselt, tagades suurema kiiruse, tõhususe ja kontrolli.

• Nende esimene mudel, Mercury Coder on samal tasemel või isegi ületab selliseid mudeleid nagu GPT-4o Mini ja Claude 3.5 Haiku, olles 5-10 korda kiirem.

• Inception asutati Stanford'i professori Stefano Ermoni poolt, kes uuris, kuidas rakendada difusiooni (tavapäraselt kasutatakse piltide ja videote genereerimisel) tekstis.

• Mecury mudeleid saab kasutada valdkondades nagu koodi genereerimine, klienditugi ja automatiseerimine.

Miks see on oluline: Tuues Sora-sarnase difusiooni teksti loomesse, paneb Inception kahtluse alla põhilised eeldused selle kohta, kuidas tehisintellekt peaks keelt genereerima. Nende tehnika võib potentsiaalselt võimaldada võimsamaid agente, paremat ja tõhusamat mõtlemist.