Израильский стартап Deepdub представил ИИ-модель для синтеза речи на иврите

Израильский стартап Deepdub представил новую языковую модель искусственного интеллекта для синтеза речи — Phantom Z 3.4. Модель насчитывает 3,4 миллиарда параметров и демонстрирует выдающиеся результаты в работе со сложными лингвистическими задачами на иврите.

Собственная сквозная разработка

В отличие от многих конкурентов, зависящих от сторонних решений, Deepdub создала Phantom Z 3.4 с нуля на базе собственных запатентованных массивов данных. Как отмечает директор по маркетингу компании Зивит Кац, полный контроль над пайплайном позволяет внедрять поддержку новых языков в продакшн всего за две недели.

«Мы не опираемся на внешнюю систему TTS, а разрабатываем технологию у себя от начала и до конца», — поясняет Кац.

Трудности перевода и синтеза речи на иврите

Иврит представляет собой особую сложность для систем Text-To-Speech из-за отсутствия огласовок в письменном тексте. Одинаково написанные слова могут звучать по-разному и менять значение в зависимости от контекста. Модель анализирует предложение целиком, а не читает каждое слово изолированно, корректно обрабатывая аббревиатуры, числа, даты и имена.

В бенчмарках Coval и TTS Arena от ivrit.ai модель Phantom Z 3.4 заняла первое место, опередив решения от Google, OpenAI и ElevenLabs. Проприетарная разработка уже применяется коммерческими клиентами для автоматизации служб поддержки, в гейминге и рекламе.