Meta nyílt forráskódú agyi AI-t mutatott be
A Meta mellett a Google is új, gyorsabb hangalapú AI-t vezetett be, a Gemini 3.1 Flash Live modellt.
Meta bejelentette új, nyílt forráskódú agyi AI-ját, amely a Meta AI fejlesztési portfóliójának legújabb kibontakozása. A projekt részletei a The Rundown cikkében vannak, ahol a Meta azt állítja, hogy a modell többnyelvű, többmodalitású képességeket kínál, és a közösség számára szabadon letölthető.
A bevezetés célja, hogy a kutatók és fejlesztők könnyebben hozzáférhessenek egy erőteljes, skálázható agyi AI-hoz, amely képes szöveget, képet és hangot egyaránt feldolgozni. A Meta szerint ez a modell a korábbi MetaBrain rendszerek bővített változata, és a nyílt forráskódú közösség támogatásával gyorsabban fejlődik.
A technikai részletek szerint a modell egy multimodal LLM alapú architektúrát használ, amelyet a Meta saját OpenAI‑hez hasonló finomhangoló eszközeivel tréningeztek. A dokumentáció szerint a rendszer 9 nyelven támogatja a természetes nyelvi feldolgozást, és képes valós idejű beszéd- és képfeldolgozásra is. A fejlesztők a GitHubon keresztül letölthetik a forráskódot és a súlyokat.
A Meta bejelentése mellett Google is bemutatta a Gemini 3.1 Flash Live hangalapú AI-ját, amely gyorsabb, valós idejű konverziós képességekkel bír. Mistral pedig a Voxtral TTS-t adta ki, amely 3 másodperces mintából képes bármely beszélő hangját klónozni. Ezek a fejlesztések együtt tükrözik, hogy a nagy tech cégek egyre inkább a valós idejű, többmodalitású AI-re fókuszálnak.
A Meta nyílt forráskódú modellje várhatóan elősegíti a kutatók közötti együttműködést, és lehetővé teszi, hogy a vállalatok saját infrastruktúrájukon futtathassák a rendszert. A cikk szerint a Meta a jövő hónapokban további fejlesztéseket és dokumentációt fog közzétenni, hogy a felhasználók könnyen integrálhassák a modellt saját alkalmazásaikba. A közösség reagálására a Meta a GitHubon keresztül nyitott visszajelzési csatornát biztosít, így a fejlesztők közvetlenül befolyásolhatják a modell további fejlődését.