«Сбер» создаст голосовой ИИ без пауз в разговоре

«Сбер» разрабатывает новую технологию искусственного интеллекта (ИИ) под названием «фулл-дуплекс», которая способна одновременно слушать и говорить, имитируя человеческое общение по телефону. Об этом сообщает РБК.

«Принципиальное отличие новой технологии — одна модель вместо каскада из нескольких нейросетей. Вместо того, как сейчас одна нейросеть переводит голос в текст, вторая придумывает ответ, третья озвучивает его обратно, фулл-дуплекс может одновременно и слушать, и говорить, а в случае использования видеомодальности еще и видеть собеседника и управлять движениями аватара», — сообщает РБК.

Эта технология сократила задержку ответа с нескольких секунд до 160–320 миллисекунд, что соответствует скорости реакции человека. В мире подобные решения уже существуют: первой стала модель Moshi французского стартапа Kyutai, а затем свои варианты представили Google (Gemini Live) и OpenAI (GPT-Live). В России публично о такой разработке пока никто не заявлял. У «Яндекса» есть близкое решение — Realtime API, которое обеспечивает быстрый ответ и возможность перебить ассистента, но оно не является полным дуплексом, так как модель «Яндекса» ожидает смены реплики, тогда как фулл-дуплекс слушает непрерывно, даже во время разговора.

Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.