Dippy Speechقیمت

(SN58)

پروژه Dippy Speech (SN58) یک Subnet تخصصی در شبکه Bittensor است که به ساخت مدل‌های گفتار همدلانه (empathetic speech models) پیشرفته و متن‌باز برای همراهی هوش مصنوعی اختصاص یافته است. در حالی که سایر Subnetها بر تولید متن تمرکز دارند، SN58 به‌طور خاص فناوری Text-to-Speech (TTS) را توسعه می‌دهد. هدف آن ایجاد صداهای واقع‌گرایانه و شبیه به انسان است که تجربه کاربری را در اپلیکیشن Dippy تقویت کرده و تعاملات هوش مصنوعی را طبیعی‌تر و از نظر عاطفی تاثیرگذارتر می‌کند.

به عنوان بخشی از گذار به Dynamic TAO (dTAO)، توکن SN58 به کاربران و سرمایه‌گذاران اجازه می‌دهد مستقیماً در اکوسیستم این Subnet مشارکت کنند. از طریق مکانیزم dTAO، افراد می‌توانند روی Subnetهای خاصی مانند SN58 استیک (Stake) کنند که امکان رأی‌دهی غیرمتمرکز و حاکمیت (Governance) را فراهم می‌آورد. این سیستم تضمین می‌کند که موفقیت و کیفیت مدل‌های گفتاری توسعه‌یافته توسط این Subnet، به ارزش در ساختار Tokenomics تخصصی شبکه تبدیل شود.

پروژه Dippy با اتخاذ موضعی بسیار کمتر سانسورشده نسبت به دستیارهای هوش مصنوعی رایج (mainstream)، خود را متمایز می‌کند. این پروژه بر ارائه محیطی باز برای نقش‌آفرینی (Roleplay) همدلانه و همراهی تمرکز دارد و از فیلترهای سنگینی که اغلب در پلتفرم‌های متمرکز یافت می‌شوند، اجتناب می‌کند. این تعهد به آزادی خلاقانه، یکی از جذابیت‌های اصلی برای جامعه آن است که امکان تعاملات اصیل‌تر و متنوع‌تر با شخصیت‌های هوش مصنوعی را فراهم می‌کند.

ماینرها در SN58 از Parler-TTS Mini v1 به عنوان مدل مرجع پایه خود استفاده می‌کنند. برای مشارکت، آن‌ها باید قدرت پردازشی GPU را جهت انجام بنچمارک‌گیری و آموزش تبدیل متن به گفتار فراهم کنند. فرآیند توسعه شامل بهینه‌سازی (Fine-tuning) این مدل‌ها و ارسال وزن‌ها (Weights) به یک استخر مشترک در قالب Safetensors است. این محیط رقابتی ماینرها را تشویق می‌کند تا باکیفیت‌ترین خروجی صوتی را برای کسب پاداش تولید کنند.

این Subnet از معیارهای امتیازدهی دقیق برای اطمینان از مطابقت مدل‌ها با استانداردهای بالا استفاده می‌کند. ارزیابی بر اساس Word Error Rate (WER) که دقت را ردیابی می‌کند، و امتیاز شباهت به انسان (Human Likeness Score) که میزان طبیعی و همدلانه بودن صدا را می‌سنجد، انجام می‌شود. این معیارها به شبکه غیرمتمرکز اجازه می‌دهد تا عملکرد مدل‌های مختلف را به صورت عینی رتبه‌بندی کرده و به توسعه‌دهندگانی که واقعی‌ترین فناوری گفتار را تولید می‌کنند، پاداش دهد.

این پروژه در حال حاضر در مرحله عرضه فازبندی شده قرار دارد. طبق نقشه راه (Roadmap)، مورد انتظارترین نقطه عطف، فاز ۳ (Phase 3) است که نشان‌دهنده ادغام کامل و سرتاسری مدل‌های صوتی غیرمتمرکز SN58 در اپلیکیشن مصرف‌کننده است. پس از تکمیل، کاربران با شخصیت‌های هوش مصنوعی که توسط فناوری گفتار واقع‌گرایانه توسعه‌یافته در شبکه Bittensor پشتیبانی می‌شوند، تعامل خواهند داشت. علاوه بر این، از آنجایی که این مدل‌ها متن‌باز هستند، ممکن است در نهایت در سایر اپلیکیشن‌ها و بازی‌های شخص ثالث نیز مورد استفاده قرار گیرند.