Underdog 发布 32MB 语音模型 Woof,可离线运行并开放下载
Underdog 发布了仅 32MB、31M 参数的语音生成模型 Woof,可在浏览器中离线运行,并开放所有人下载。公司用一个复古科技主题的网页游戏演示该模型,在打字机输入文字即可被朗读,旋转调谐器还能生成不同音乐;创始人 Sigil Wen 称此举意在让用户在自有设备上运行模型并掌控数据。
端侧小模型开始具备可直接试玩的产品形态,本地离线语音推理正成为云端模型之外的另一条路线。
- 影响对语音功能有隐私或离线需求的场景多出一个本地化选项;32MB 级模型能力有限,更适合朗读、听写这类单点任务;云端语音的调用成本与数据边界假设可以据此重新测算。
- 参考可考虑盘点现有语音功能中涉及敏感数据或需离线使用的部分,下载该模型小范围试测效果;值得先算出云语音的月度调用量与费用基数,再做本地方案的成本对比。