Dippy SpeechGiá

(SN58)

Dippy Speech (SN58) là một subnet chuyên biệt trên mạng lưới Bittensor dành riêng cho việc xây dựng các mô hình giọng nói thấu cảm, mã nguồn mở tiên tiến cho người bạn đồng hành AI. Trong khi các subnet khác tập trung vào việc tạo văn bản, SN58 đặc biệt phát triển công nghệ Text-to-Speech (TTS). Mục tiêu của nó là tạo ra những giọng nói sống động, giống con người để cung cấp trải nghiệm người dùng trong ứng dụng Dippy, giúp các tương tác AI trở nên tự nhiên và cộng hưởng về mặt cảm xúc hơn.

Là một phần của quá trình chuyển đổi sang Dynamic TAO (dTAO), token SN58 cho phép người dùng và nhà đầu tư tham gia trực tiếp vào hệ sinh thái của subnet. Thông qua cơ chế dTAO, các cá nhân có thể stake vào các subnet cụ thể như SN58, cho phép bỏ phiếu và quản trị phi tập trung. Hệ thống này đảm bảo rằng sự thành công và chất lượng của các mô hình giọng nói do subnet phát triển sẽ chuyển hóa thành giá trị trong nền kinh tế tokenomics chuyên biệt của mạng lưới.

Dippy tạo ra sự khác biệt bằng cách thực hiện lập trường ít kiểm duyệt hơn nhiều so với các trợ lý AI phổ thông. Dự án tập trung vào việc cung cấp một môi trường mở cho việc nhập vai thấu cảm và sự đồng hành, tránh các bộ lọc khắt khe thường thấy trên các nền tảng tập trung. Cam kết về tự do sáng tạo này là điểm thu hút chính đối với cộng đồng của nó, cho phép các tương tác thực tế và đa dạng hơn với các nhân vật AI.

Các miner trên SN58 sử dụng Parler-TTS Mini v1 làm mô hình tham chiếu cơ sở. Để tham gia, họ phải cung cấp sức mạnh tính toán GPU để xử lý việc benchmark và huấn luyện text-to-speech. Quy trình phát triển bao gồm việc tinh chỉnh (fine-tuning) các mô hình này và gửi các trọng số (weights) vào một pool chung ở định dạng Safetensors. Môi trường cạnh tranh này khuyến khích các miner tạo ra đầu ra âm thanh chất lượng cao nhất để kiếm phần thưởng.

Subnet áp dụng các chỉ số chấm điểm nghiêm ngặt để đảm bảo các mô hình đáp ứng các tiêu chuẩn cao. Việc đánh giá dựa trên Word Error Rate (WER), theo dõi độ chính xác và Human Likeness Score, đo lường mức độ tự nhiên và thấu cảm của giọng nói. Các chỉ số này cho phép mạng lưới phi tập trung xếp hạng hiệu suất của các mô hình khác nhau một cách khách quan và thưởng cho các nhà phát triển tạo ra công nghệ giọng nói sống động nhất.

Dự án hiện đang trong quá trình triển khai theo từng giai đoạn. Theo roadmap, cột mốc được mong đợi nhất là Phase 3, đánh dấu việc tích hợp hoàn toàn đầu-cuối (end-to-end) các mô hình giọng nói phi tập trung của SN58 vào ứng dụng tiêu dùng. Sau khi hoàn tất, người dùng sẽ tương tác với các nhân vật AI được vận hành bởi công nghệ giọng nói sống động được phát triển trên mạng lưới Bittensor. Ngoài ra, vì các mô hình này là mã nguồn mở, chúng có thể cuối cùng được sử dụng trong các ứng dụng và trò chơi của bên thứ ba khác.