Groq и PlayAI анонсировали голосовую модель Dialog с поддержкой арабского языка и выдающейся скоростью обработки

Компании Groq и PlayAI заключили стратегическое партнёрство с целью продвижения модели преобразования текста в речь под названием Dialog. Это решение, представленное через платформу GroqCloud, объединяет голосовые технологии от PlayAI с уникальными LPU-чипами от Groq, что обеспечивает скорость до 140 символов в секунду — на 63% быстрее по сравнению с использованием GPU. Разработчики утверждают, что система не только создаёт естественно звучащую речь, но и учитывает контекст разговора благодаря своей уникальной архитектуре.

Dialog стал первым ИИ-решением, поддерживающим арабский язык, специально разработанным для ближневосточного рынка. Для PlayAI, команды, стоящей за проектом и состоящей из представителей стран Ближнего Востока и Северной Африки (MENA), локализация стала ключевым направлением: «Это не просто наш язык, это и важный инструмент для международного бизнеса», — отметил генеральный директор PlayAI Махмуд Фельфель.

Основой разработки стала технология под названием «адаптивный речевой контекстуализатор» (Adaptive Speech Contextualizer, ASC), которая анализирует текущий диалог для выбора подходящей интонации и эмоционального окраса. «Каждое высказывание учитывает предыдущие реплики, придавая общению более естественный характер», — пояснил Фельфель. По тестам Podonos, Dialog пользователи выбирали в 10 раз чаще, чем ElevenLabs v2.5 Turbo и в 3 раза чаще, чем ElevenLabs Multilingual v2.0.

Значительным преимуществом системы является её быстродействие: LPU-чипы Groq позволяют обрабатывать до 140 символов в секунду, что делает возможным создание речи в 10 раз быстрее, чем в реальном времени. «Ранее приходилось совмещать разные решения от разных поставщиков для ASR, генеративного ИИ и синтеза речи. Теперь GroqCloud предлагает все эти решения на одной единой платформе», — добавил Эндрюс.

Это партнёрство возникло на фоне расширения Groq в регионе MENA: компания привлекла $1,5 млрд от Саудовской Аравии и запустила в Даммаме «самый крупный кластер для инференса в регионе». Dialog доступен через облачную платформу GroqCloud с бесплатной версией для тестирования и платной подпиской.

Сферы применения технологии включают колл-центры, автоматизацию процессов продаж, озвучивание контента и улучшенную доступность сайтов для слабовидящих. По словам Фельфеля, снижение задержки до 300 мс критично для таких сценариев, как голосовые помощники, где «затяжные паузы разрушают иллюзию естественного общения».

Эксперты отмечают, что поддержка арабского языка и низкая задержка могут способствовать более быстрому внедрению голосового ИИ в регионе MENA — с населением 460 млн человек, из которых 60% моложе 30 лет. Для Groq это также шанс закрепиться на рынке после инвестиций Саудовской Аравии, которая стремится стать лидером в области ИИ к 2030 году.

Источник: iXBT