Underdog、新デモで32MBの音声モデルを披露

何が起きたのか

Underdog は、新しい音声モデル「Woof」で作ったブラウザ上のゲームを公開しました。部屋にはタイプライター、ブラウン管のモニター、デスクライトがあります。キーボードで文字を打つと、ゲームがその文字を声に出して読み上げます。ダイヤルを回すと、いろいろな音楽も作れます。すべてインターネットに接続しなくても動くと同社は説明しています。

数字で見るポイント

• Woof のサイズは 32MB です
• モデルのパラメータ数（学習で調整される数値）は 3,100 万です
• 同社は約 27 億（27B）パラメータのモデルも公開しています。こちらはノートパソコンで動くとしています
• 以前公開した音声認識モデル「Bark」は 167MB です

小さなモデルが注目される理由

多くの AI 企業は、より大きく高性能なモデルを作ろうとしています。しかし、大きなモデルを動かすには、たくさんの計算能力が必要です。そこで一部の研究者や新興企業は、スマートフォンやパソコンなどの端末（エッジデバイス）で動く小さなモデルを作っています。

なぜ大切なのか

小さなモデルは、大きなモデルの代わりにはならないかもしれません。それでも、端末の中で動く音声アシスタントや、個人向けのポッドキャスト作りには役立つ可能性があります。創業者の Sigil Wen 氏は、データを自分で持ち、プライベートな AI を使えるようにしたいと話しています。

今後注目したいこと

• 同社の小さなモデルが、実際のアプリでどれくらい役立つか
• 待機リストに入った、端末内で動くアプリ（Muse や Instinct の代わりとして位置づけられている）が公開されるか
• 大きなモデルと同じくらいの性能を、小さな端末で出せるか