Raon-Speech: Nytt tal-AI-system för engelska och koreanska presenterat
Ett nytt tal-AI-system, Raon-Speech, har presenterats av forskare. Modellen uppges vara en av de mest presterande för engelska och koreanska vad gäller talförståelse, svar och generering. En utökad version, Raon-SpeechChat möjliggör realtidskonversationer.
Vad har hänt
Raon-Speech, en tal-språkmodell (SpeechLM) med 9 miljarder parametrar, har tillkännagivits i en teknisk rapport på arXiv. Modellen är designad för talförståelse, svar och generering på engelska och koreanska. En kompletterande modell, Raon-SpeechChat, är utvecklad för full-duplex realtidskonversationer. Utvecklarna anger att Raon-Speech transformerar en förtränad stor språkmodell (LLM) till en SpeechLM som kan förstå och generera tal, samtidigt som starka textfunktioner bibehålls.
Snabbfakta
| Modellnamn | Raon-Speech |
|---|---|
| Antal parametrar | 9 miljarder |
| Språkstöd | Engelska, Koreanska |
| Träningsdata | 1.38 miljoner timmar |
| Antal benchmarks | 42 |
”We present Raon-Speech, a top-performing 9B-parameter speech language model (SpeechLM) for English and Korean speech understanding, answering, and generation, and Raon-SpeechChat, a high-performing full-duplex extension for natural real-time conversation.”
”Raon-Speech successfully transforms a pre-trained LLM into a SpeechLM that both understands and generates speech while preserving strong text capabilities.”
”Across 42 English and Korean speech and text benchmarks, Raon-Speech establishes the strongest overall profile on speech-centric tasks in our comparison against eight similarly sized recent audio foundation models, including Qwen2.5-Omni and Fun-Audio-Chat”
Varför det spelar roll
Utvecklingen av Raon-Speech representerar ett framsteg inom multimodal AI, där tal- och textförståelse integreras effektivt. Genom att bevara starka textkapaciteter och samtidigt addera avancerade talsfunktioner adresseras en central utmaning inom området. Detta kan leda till mer naturliga och mångsidiga interaktioner mellan människor och AI-system. Förbättrad tal-AI kan ha betydande inverkan på tillämpningar som röstassistenter, transkriptionstjänster och språkundervisning.
Vem påverkas
Raon-Speech påverkar AI-forskare och utvecklare som arbetar med tal- och språkmodeller, särskilt de som fokuserar på engelska och koreanska. En bredare användargrupp kan dra nytta av förbättrade taligenkännings- och talgenereringstekniker i framtida applikationer, medan företag som utvecklar AI-drivna tjänster kan integrera eller dra inspiration från dessa framsteg för att erbjuda mer avancerade lösningar. Individer som talar engelska och koreanska kan indirekt beröras av nya funktioner i taltjänster.
EU-status
Ej relevant för EU-status. Modellen fokuserar på engelska och koreanska utan specifik koppling till EU-marknaden eller regelverk.
Mer att veta
Modellen tränades på 1,38 miljoner timmar av engelska och koreanska tal- och textdata. Träningen innefattade faser för anpassning av talmoduler, end-to-end förträning med kunskapsdestillation samt post-träning baserad på preferensoptimering för flera uppgifter. Raon-Speech testades mot åtta andra ljudfundamentmodeller i liknande storlek, inklusive Qwen2.5-Omni och Fun-Audio-Chat, och etablerade den starkaste totala profilen på talsentriska uppgifter över 42 benchmarks.
Snabba svar om den här nyheten
Vad har hänt?
När hände det?
Varför spelar det roll?
Vilka språk stöds av Raon-Speech?
Länken öppnar i nytt fönster och leder till utgivarens egen sida.
Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.