Speechify نے Simba 3.2 متعارف کرایا ہے، جو ایک حقیقی وقت کا ٹیکسٹ ٹو اسپیچ ماڈل ہے جو مصنوعی تجزیہ کے آزاد آواز لیڈر بورڈ کے اوپری حصے میں چلا گیا ہے۔
ماڈل کو گوگل، اوپن اے آئی، ایلیون لیبز، کارٹیشیا، اور دوسرے فراہم کنندگان کی جانب سے نابینا سامعین کے مقابلے میں مقابلہ کرنے والے سسٹمز کے اوپر درجہ دیا گیا ہے۔ Speechify اسی ٹیکنالوجی سے چلنے والا ایک ڈویلپر پلیٹ فارم اور AI وائس ایجنٹ سروس بھی شروع کر رہا ہے۔
سمبا 3.2 فی الحال مصنوعی تجزیہ ٹیکسٹ ٹو اسپیچ ایرینا لیڈر بورڈ پر پہلا مقام رکھتا ہے، جس کی ایلو ریٹنگ لگ بھگ 1234 ہے۔
مصنوعی تجزیہ اندھے موازنہ کے ذریعے اپنی درجہ بندی کا حساب لگاتا ہے۔ سامعین ایک ہی متن سے پیدا ہونے والے دو کلپس کو یہ بتائے بغیر سنتے ہیں کہ انہیں کون سے ماڈلز نے تیار کیا ہے اور زیادہ قدرتی آواز کا نتیجہ منتخب کریں۔
سمبا 3.2 وائس ایرینا کے یو ایس انگلش لیڈر بورڈ کے اوپری حصے کے قریب بھی ہے۔ موجودہ نتائج اسے مجموعی طور پر تیسرے نمبر پر رکھتے ہیں، حالانکہ اس کے اعتماد کی حد دوسرے نمبر والے ماڈل کے ساتھ اوورلیپ ہوتی ہے۔ منتخب کردہ زبان اور استعمال کے کیس کے زمرے کے لحاظ سے اس کی پوزیشن مختلف ہو سکتی ہے۔
Speechify نے سمبا 3.2 کو ان ایپلی کیشنز کے لیے ایک اسٹریمنگ-مقامی ماڈل کے طور پر بنایا ہے جنہیں پورا جواب تیار ہونے سے پہلے بولنا شروع کرنا ہوتا ہے۔
کمپنی کا دعویٰ ہے کہ وہ 100 ملی سیکنڈ سے کم پہلے آڈیو کا وقت فراہم کر سکتی ہے۔ یہ صوتی ایجنٹوں، کسٹمر سروس سسٹمز، ریئل ٹائم ریڈرز اور دیگر مصنوعات کے لیے موزوں بناتا ہے جہاں ایک طویل وقفہ گفتگو کو غیر فطری محسوس کر سکتا ہے۔
ماڈل ڈیلیوری کو ایڈجسٹ کرنے کے لیے SSML کنٹرولز کو بھی سپورٹ کرتا ہے، بشمول پچ، بولنے کی رفتار، توقف، اور زور۔ Speechify's API جذباتی اظہار اور لفظ کی سطح کے وقت کے لیے اضافی کنٹرول فراہم کرتا ہے۔
سمبا 3.2 فی الحال انگریزی کو سپورٹ کرتا ہے۔ Speechify غیر انگریزی اور مخلوط زبان کی درخواستوں کو اپنے الگ سمبا کثیر لسانی ماڈل پر بھیجتا ہے۔
Speechify اپنی معیاری قیمتوں کے تحت سمبا 3.2 کو $10 فی ایک ملین حروف پر درج کرتا ہے، جو اس کے اسکیل ٹائر پر صارفین کے لیے $6 فی ایک ملین حروف پر گرتا ہے۔
کم شرح پر، کمپنی کا کہنا ہے کہ ماڈل کی قیمت ElevenLabs سے 15 گنا سے زیادہ اور کارٹیشیا سے تقریباً چھ گنا کم ہے۔ مصنوعی تجزیہ بھی سمبا 3.2 کو اس کی قیمت اور سامعین کی درجہ بندی کے معیار کے امتزاج کے لیے ٹیکسٹ ٹو اسپیچ کے مضبوط ترین ماڈلز میں رکھتا ہے۔
کم قیمتوں کا تعین ان کمپنیوں کے لیے خاص طور پر اہم ہو سکتا ہے جو کالز، آرٹیکلز، قابل رسائی مواد یا صوتی ایجنٹ کی بات چیت کی پروسیسنگ کرتی ہیں، جہاں ٹیکسٹ ٹو اسپیچ کے اخراجات تیزی سے بڑھ سکتے ہیں۔
مصنوعی تجزیہ لائیو ٹیکسٹ ٹو اسپیچ API اینڈ پوائنٹس کے خلاف تشخیصات چلاتا ہے بجائے اس کے کہ خود کمپنیوں کے منتخب کردہ آڈیو نمونوں پر انحصار کرے۔
اس کا لیڈر بورڈ ہر ماڈل کے لیے ایک Elo سکور بنانے کے لیے نابینا سننے والوں کی ووٹنگ کا استعمال کرتا ہے۔ ماڈلز اوپر یا نیچے جا سکتے ہیں کیونکہ زیادہ موازنہ اور ووٹ ریکارڈ کیے جاتے ہیں۔
وائس ایرینا اسی طرح کے جوڑے کے لحاظ سے موازنہ کا نظام استعمال کرتا ہے اور اپنی درجہ بندی کے ساتھ ساتھ اعتماد کی حدود شائع کرتا ہے۔ اس کا مطلب ہے کہ قریب سے رکھے ہوئے ماڈلز کے درمیان چھوٹے فرق کارکردگی کے واضح فائدہ کی نشاندہی نہیں کر سکتے ہیں۔
Speechify کا کہنا ہے کہ سمبا 3.2 کے پیچھے موجود ٹیکنالوجی کو اس کے موجودہ صارفین کے ٹیکسٹ ٹو اسپیچ پروڈکٹس کے ذریعے بہتر بنایا گیا تھا۔
کمپنی کا دعویٰ ہے کہ اس کی ایپلی کیشنز نے دسیوں لاکھوں صارفین کی خدمت کی ہے، جس سے اسے آواز کے معیار، ردعمل اور آپریٹنگ اخراجات سے متعلق فیڈ بیک اور ٹیسٹنگ ڈیٹا کا ایک بڑا حجم ملتا ہے۔ اس کی اینڈرائیڈ لسٹنگ فی الحال 50 ملین سے زیادہ یوزر بیس کو بیان کرتی ہے۔
Speechify کا کہنا ہے کہ اس صارفی پیمانے کے استعمال نے اسے ایک مہنگا انٹرپرائز ماڈل بنانے اور بعد میں لاگت کم کرنے کی کوشش کرنے کے بجائے شروع سے ہی کارکردگی پر توجہ دینے کی ترغیب دی۔
Simba 3.2 کے ساتھ ساتھ، Speechify ڈویلپرز کے لیے ایک پلیٹ فارم اور کاروبار کے لیے وائس ایجنٹ پروڈکٹ کا آغاز کر رہا ہے۔
API ڈویلپرز کو اپنی ایپلی کیشنز میں اسٹریمنگ اسپیچ، وائس کلوننگ، جذباتی کنٹرول اور SSML سپورٹ شامل کرنے کی اجازت دیتا ہے۔ یہ اپنے معیاری اسپیچ اینڈ پوائنٹ کے ذریعے 2000 حروف تک اور فی اسٹریمنگ درخواست پر 20000 حروف تک قبول کرتا ہے۔
ممکنہ استعمال میں خودکار فون ایجنٹس، انٹرایکٹو ریڈرز، کسٹمر سپورٹ سسٹم، تعلیمی ٹولز، اور ایپلیکیشنز شامل ہیں جنہیں کم سے کم تاخیر کے ساتھ بولے جانے والے جوابات کی ضرورت ہے۔
Speechify کا کہنا ہے کہ وہ مزید آوازیں، اضافی زبانیں، اور کم قیمت والے درجے کو شامل کرنے کا ارادہ رکھتی ہے۔ تاہم، ان اضافے کو ابھی تک جاری نہیں کیا گیا ہے.
سمبا 3.2 کے ابتدائی نتائج بتاتے ہیں کہ ڈویلپرز کو قدرتی آواز دینے والی تقریر، کم تاخیر، اور سستی API قیمتوں کے درمیان واضح تجارت کو قبول کرنے کی ضرورت نہیں ہوگی۔ اس کی طویل مدتی پوزیشن کا انحصار اس بات پر ہوگا کہ درجہ بندی کس طرح تبدیل ہوتی ہے کیونکہ زیادہ صارفین اس کی جانچ کرتے ہیں اور حریف فراہم کنندگان اپ ڈیٹ کردہ ماڈلز جاری کرتے ہیں۔ جہاں آپ چاہیں تازہ ترین ٹیک خبریں، ٹیلی کام کی بصیرتیں، اور پروڈکٹ لانچ حاصل کریں۔
ProPakistani کو ترجیحی ذرائع میں شامل کریں اور گوگل سرچ اور ٹاپ اسٹوریز میں ہماری مزید کہانیاں دیکھیں۔
شیئرز
