中国科学院：LLaMA-Omniが音声対応AIを一変、業界に革新

中国科学院の研究者たちは、AIアシスタントとの音声対話を革新する「LLaMA-Omni」を発表しました。

この新しいシステムは、Meta社のオープンソースモデル「Llama 3.1 8B Instruct」を基に構築され、音声指示に応じてテキストと音声の応答を同時に生成します。

遅延はわずか226ミリ秒で、人間の会話スピードに匹敵する性能を持つため、カスタマーサービスや医療分野での応用が期待されています。

LLaMA-Omniの特徴は、わずか4つのGPUを使用して3日以内にトレーニングできる手軽さにあり、これまで膨大なリソースが必要だった音声AIシステムの開発が、スタートアップや中小企業にも可能になりました。

音声対応AIへの需要は、テキストだけでは対応が難しいシナリオにおいて、特に高まっており、このシステムは音声インターフェースの重要性を強調しています。

ビジネスへの影響も大きく、AIを使ったカスタマーサポートがリアルタイムでの高度な対話を可能にし、医療現場では患者との自然な対話や記録作成の効率化が期待できるでしょう。

さらに、教育分野でも、音声対応のAIチューターが個別指導を提供する未来が見えてきます。

LLaMA-Omniは、音声AI技術の民主化を進める可能性があり、大企業だけでなく中小企業や研究者にも競争の機会を与えるものです。

AIアシスタント市場は今後ますます成長が期待され、LLaMA-Omniの登場は、産業全体に大きな変革をもたらす可能性があります。

参考記事：arxiv