在人工智能领域，一场关于如何让机器声音更加人性化的革新正在悄然进行。近日，Groq与PlayAI携手宣布，将把PlayAI的先进文本转语音模型Dialog推向市场，而这一切都将借助Groq的高速推理平台得以实现。
此次合作，可谓是强强联合。PlayAI在语音人工智能领域深耕多年，积累了丰富的经验和技术；而Groq则以其专业的处理基础设施闻名，为各种AI应用提供强大的算力支持。两家公司的联手，旨在打造一款市场上最自然、响应速度最快的文本转语音系统。
Groq的首席收入官伊恩·安德鲁斯在接受VentureBeat独家采访时表示：“Groq提供了一个完整的、低延迟的系统，包括自动语音识别（ASR）、通用人工智能（GenAI）和文本转语音（TTS），所有这些功能都集成在一个平台上。现在，Dialog可以在GroqCloud上运行，这意味着客户无需为单个用例使用多个提供商——Groq是一个一站式的解决方案。”
Dialog这款文本转语音模型，不仅支持英文，还首次将阿拉伯语纳入其中，专为中东地区设计。这一举措对于两家公司来说都具有战略意义。安德鲁斯解释说：“阿拉伯语是全球第四大通用语言，通过与PlayAI合作提供阿拉伯语TTS模型，Groq正在打开一个关键的全球市场，并使得快速AI推理得到更广泛的应用。”
据第三方评估机构Podonos的基准测试显示，与ElevenLabs的v2.5 Turbo和Multilingual v2.0相比，用户在Dialog上的偏好率分别高达10:1和3:1以上。Dialog之所以能够脱颖而出，关键在于其对于语境的深刻理解。它并非将每个发音视为孤立的事件，而是能够维持对整个对话流的意识。
PlayAI的联合创始人兼首席执行官马哈茂德·费尔费尔在采访中说：“我们构建了一种新颖的架构，我们称之为‘自适应语音情境化器’（ASC），它允许模型使用对话的完整上下文和历史。这意味着每个回应都不是一个孤立的输出，而是被适当的语调、语气和情感所丰富，这些情感和语调反映了对话的流程。”
对于企业而言，在实施对话式人工智能时，延迟——即请求与响应之间的延迟，一直是一个持续存在的挑战。而Groq的专用语言处理单元（LPUs）似乎在这方面提供了显著的优势。安德鲁斯解释说：“根据初步的内部测试，Groq在PlayAI的Dialog模型上实现了每秒140个字符的输出速度，与同一模型在GPU上运行的每秒86个字符相比，有了显著提升。这意味着Dialog可以生成比实时快10倍的文本。”
此次合作正值Groq大力扩张之际，该公司最近从沙特阿拉伯获得了15亿美元的承诺，用于资助额外的基础设施建设。Groq已在达曼建立了一个数据中心，称其为“该地区最大的推理集群”。
费尔费尔表示：“与Groq合作是理所当然的选择，他们是高级AI推理基础设施行业的领导者。对于TTS和代理来说，低延迟是关键。我们已经为这些实时应用程序优化了Dialog，但与Groq的合作使我们能够提供市场上延迟最低的语音模型。”
随着企业对自动化客户交互的需求日益增长，同时希望保持自然、人性化的体验，语音人工智能市场迎来了快速增长。应用场景从客户服务、销售自动化到配音、为视障人士提供辅助功能等不一而足。
安德鲁斯说：“除了客户服务之外，其他企业用例还包括自动化销售和预约调度、入职和个人助理、为现有内容创建配音、将英文音频和视频内容翻译成阿拉伯语、提高网站和静态内容对视障人士的访问性等。”
对于由中东和北非地区的创业者创立的PlayAI来说，纳入阿拉伯语功能具有特别的意义。费尔费尔说：“作为中东和北非地区的创业者，我们知道该地区正在大力投资AI能力和基础设施，正如Groq等公司的投资以及世界领先的采用率所表明的那样。阿拉伯语是一种全球商业语言，也是我们从小就说的语言，因此将它作为我们的核心语言之一是自然而然的选择。”
目前，两家公司已通过GroqCloud的分层服务模型提供了Dialog技术，其中包括免费和付费选项。这一做法允许开发者在做出更大规模实施的承诺之前先试验该技术。安德鲁斯解释说：“GroqCloud提供免费和付费计划。任何人都可以免费创建账户并生成API代码。我们的付费开发者层级是自助服务的，意味着任何拥有信用卡的人都可以自己注册。”
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/groq-yu-playai-he-zuo-tui-chu-dialog-rang-yu-yin-ai-geng-zi
