متا در آستانه معرفی Llama 4 با ویژگی‌های صوتی پیشرفته

مدل Llama 4 متا ممکن است با ویژگی‌های صوتی پیشرفته شامل بهبود درک گفتار و تولید صوت طبیعی‌تر و تعامل هوشمندتر با کاربران همراه شوند.

به گزارش تک‌ناک، متا  قصد دارد مدل هوش مصنوعی اوپن سورس بعدی خود، Llama 4 را با تمرکز بر ویژگی‌های صوتی پیشرفته عرضه کند. به گفته منابع آگاه، یکی از ویژگی‌های کلیدی این مدل، توانایی قطع و اصلاح گفتار در حین پردازش است. این قابلیت مشابه Voice Mode در ChatGPT از OpenAI و Gemini Live از گوگل خواهد بود و تجربه‌ای تعاملی‌تر را برای کاربران فراهم می‌کند.

کریس کاکس، مدیر ارشد محصولات متا ، در کنفرانس مورگان استنلی تأیید کرد که Llama 4 مدلی «همه‌کاره» خواهد بود که نه‌تنها می‌تواند گفتار را پردازش و تفسیر کند؛ بلکه به‌طور هم‌زمان خروجی‌های متنی و دیگر انواع داده را می‌تواند ارائه دهد. این رویکرد متا را گامی دیگر به توسعه مدل‌های چندوجهی نزدیک‌تر می‌کند.

تک‌کرانچ می‌نویسد که در همین حال، موفقیت مدل‌های اوپن سورس توسعه‌یافته آزمایشگاه هوش مصنوعی چینی دیپ‌سیک که عملکردی در سطح یا حتی بهتر از مدل‌های Llama ارائه داده‌اند، متا را به تکاپو انداخته است. گزارش‌ها نشان می‌دهد که این شرکت برای بررسی روش‌های دیپ‌سیک در کاهش هزینه‌های اجرای مدل‌ها، تیم‌های ویژه‌ای تشکیل داده و در تلاش است تا بهره‌وری و کارایی مدل‌های خود را بهبود بخشد.

با نزدیک‌شدن به زمان معرفی Llama 4، باید دید که متا  تا چه اندازه می‌تواند در رقابت با سایر شرکت‌های پیشرو در حوزه هوش مصنوعی، به‌ویژه در بخش پردازش صوتی، موفق عمل کند.