خبر کامل
میسترال از «Voxtral» رونمایی کرد: هوش مصنوعی صوتی متن‌باز با نصف قیمت رقبا
استارتاپ فرانسوی میسترال (Mistral) با معرفی خانواده جدید مدل‌های صوتی متن‌باز خود با نام «Voxtral»، گامی مهم در جهت دموکراتیک‌سازی فناوری هوش مصنوعی صوتی برداشته است. این مدل‌های نوآورانه، با هدف ارائه جایگزینی قدرتمند و مقرون‌به‌صرفه در برابر راهکارهای گران‌قیمت شرکت‌های بزرگی چون OpenAI و گوگل، وارد عرصه رقابت شده‌اند و نویدبخش تحولی در دسترسی به قابلیت‌های پیشرفته هوش مصنوعی گفتاری هستند.
چالش‌های هوش مصنوعی گفتاری و راه‌حل Voxtral
تا پیش از این، کسب‌وکارها در حوزه هوش مصنوعی گفتاری با دو گزینه محدود مواجه بودند: استفاده از سیستم‌های متن‌باز رایگان با دقت پایین و درک معنایی محدود، یا روی آوردن به APIهای اختصاصی شرکت‌های بزرگ که با وجود عملکرد بهتر، هزینه‌های بسیار بالا و کنترل کمتری را برای توسعه‌دهندگان به همراه داشتند. Voxtral دقیقاً برای پر کردن این شکاف طراحی شده است. این پلتفرم، دقت و درک معنایی پیشرفته را در یک مدل کاملاً متن‌باز ارائه می‌دهد و به گفته میسترال، قیمتی «کمتر از نصف» رقبای اصلی خود دارد.
قابلیت‌های پیشرفته مدل‌های Voxtral
مدل‌های Voxtral بر پایه مدل زبانی بزرگ Mistral Small 3.1 توسعه یافته‌اند و قابلیت‌هایی فراتر از صرفاً تبدیل گفتار به متن ارائه می‌دهند. این مدل‌های صوتی قادر به:
- رونویسی فایل‌های صوتی: تا 30 دقیقه.
- درک محتوای صوتی: تا 40 دقیقه.
- پاسخ به سؤالات: کاربران می‌توانند مستقیماً از محتوای فایل صوتی سؤال بپرسند.
- خلاصه‌سازی ساختاریافته: امکان دریافت خلاصه‌های سازمان‌یافته از محتوای صوتی بدون نیاز به مدل‌های مجزا.
این مدل‌ها در زبان‌های پرکاربردی نظیر انگلیسی، اسپانیایی، فرانسوی، آلمانی، هندی و ایتالیایی عملکردی پیشرفته از خود نشان می‌دهند.
نسخه‌های مختلف Voxtral برای نیازهای گوناگون
میسترال این فناوری را در دو اندازه اصلی عرضه کرده است:
- Voxtral Small: یک مدل قدرتمند 24 میلیارد پارامتری که برای پروژه‌های بزرگ طراحی شده و عملکردی رقابتی با مدل‌هایی نظیر جمینای 2.5 فلش، GPT-4o-mini و ElevenLabs Scribe دارد.
- Voxtral Mini: یک مدل سبک 3 میلیارد پارامتری که برای کاربردهای کوچک‌تر و بهینه‌تر مناسب است.
علاوه بر این، یک نسخه فوق‌العاده ارزان و بهینه‌سازی‌شده صرفاً برای رونویسی با نام Voxtral Mini Transcribe نیز ارائه شده است. میسترال ادعا می‌کند که این نسخه عملکردی بهتر از OpenAI Whisper با کمتر از نصف قیمت آن ارائه می‌دهد.
دسترسی و قیمت‌گذاری
میسترال، به عنوان یکی از بزرگ‌ترین حامیان اکوسیستم متن‌باز، مدل‌های Voxtral را برای دانلود رایگان در پلتفرم Hugging Face قرار داده است. همچنین، استفاده از API این مدل‌ها با قیمت 0.001 دلار در دقیقه آغاز می‌شود. کاربران می‌توانند تا چند هفته آینده این مدل‌ها را در چت‌بات میسترال، Le Chat، نیز آزمایش کنند.
درباره هوش‌مصنوعی دست‌اول:
تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
زمان انتشار:
۰۸:۳۰ - ۱۴۰۴/۰۴/۲۵