Hugging Face ja Cerebras yhdistävät voimansa reaaliaikaisen puhe-AI:n kanssa Gemma 4:n pohjalta

Hugging Face on yhdessä Cerebrasin kanssa luonut avoimen lähdekoodin reaaliaikaisen puhesynteesiputken, joka tekee äänipohjaisesta vuorovaikutuksesta tekoälyn kanssa mahdollisimman luonnollista. Järjestelmä toimii periaatteella "puhesyöte -> puheentunnistus Nvidia Parakeetilla -> tulos monimodaalisesta kielimallista Gemma 4 (Google DeepMindin kehittämä) Cerebras-kiihdyttimillä -> puhesynteesi Alibaban Qwen3TTS:llä -> puhetuloste". Jokainen osa on avoin, modulaarinen ja korvattavissa, minkä ansiosta kehittäjät voivat mukauttaa teknologiapinon omiin avustajiinsa, robotteihinsa tai tutkimusprojekteihinsa. Erityistä huomiota kiinnitetään viiveen vakauteen: vaikka monet järjestelmät osoittavat hyväksyttävän mediaaniviiveen, P95-tasolla (hitaimmat 5 % pyynnöistä) esiintyy edelleen useiden sekuntien taukoja. Cerebras ratkaisee tämän ongelman varmistamalla kielimallin nopean ja ennustettavan päättelyn. Samaa putkea käytetään jo Reachy Mini -roboteissa, joita on olemassa yli 10 000 kappaletta. Kehittäjiä kannustetaan kokeilemaan demoa Hugging Face Spacessa ja kokeilemaan koodia huggingface/speech-to-speech-repositoriosta.