Hume AI

হুম্‌হট

হুম্‌পুঞ্জ

হুম AI হচ্ছে একটি প্লাটফর্ম যা মাল্টিমরাল কৃত্রিম বুদ্ধিমত্তার মডেল তৈরি করা হচ্ছে যা আবেগপূর্ণ বুদ্ধিমত্তার উপর মনোযোগ প্রদান করে। নিউ ইয়র্কের ২০২১ সালে প্রতিষ্ঠিত এলান কোয়েন কোম্পানিটি AI সিস্টেম তৈরি করে। সর্বশেষ প্রধান খবর, ভিআইপি ৩ মে ২০২৫ তারিখে বের হয়ে আসে।

এই প্ল্যাটফর্মের মূল পণ্যের মধ্যে রয়েছে এথেক ভয়েস (এম্পিক ভয়েস ইন্টারফেস), অক্টোবর মাসে টিএসটিএস-এর বক্তৃতা বিশ্লেষণ সিস্টেম, এবং আবেগ বিশ্লেষণ ব্যবস্থার জন্য বিভিন্ন আদর্শ তৈরী করা। এই প্ল্যাটফর্মটি আবেগগতভাবে বুদ্ধিসম্পন্ন ভয়েস ইন্টারফেস তৈরি করে এবং মানুষের অভিব্যক্তি বিশ্লেষণ করে ।

হুম্‌পুঞ্জ

Hung কে আসছে?

ডেভেলপার এবং টরেন্টগ্রাটর

ভয়েস ইন্টারফেস ডেভেলপারদের জন্য প্রস্তুতকৃত প্ল্যাটফর্ম, ভয়েস সহকারী নির্মাতা, এবং AI পছন্দসমূহ বিশেষজ্ঞ। পাইথন, টাইপST, এবং প্রতিক্রিয়া প্রদর্শন করা সহজ করে দেয় বিদ্যমান অ্যাপ্লিকেশনের মধ্যে মানসিক গোয়েন্দাকে।

ব্যবসা এবং গ্রাহক সেবা

স্বাস্থ্যসেবা, অর্থ, শিক্ষা, এবং গ্রাহক সেবা-যেখানে বক্তার মানসিক অবস্থা এবং নিম্নবিত্ততার হারকে সঠিকভাবে বুঝতে পারলে তা জটিল হবে।

মিডিয়া, শিক্ষা এবং মনোরোগ

বিষয়বস্তু নির্মাতা, ভয়েসভার বিশেষজ্ঞ, গেম স্টুডিও এবং মনোবিজ্ঞানী এবং স্বাস্থ্যসেবা পেশাজীবীরা তাদের কণ্ঠস্বর প্রকাশ, রোগীদের মেজাজ বিশ্লেষণ এবং ব্যক্তিগত শিক্ষামূলক দৃশ্য তৈরি করার প্লাটফর্ম ব্যবহার করতে পারেন।

হুম?

ডেমো খেলার মাঠ দিয়ে শুরু

কোন প্রোগ্রামিং দক্ষতাই প্ল্যাটফর্মের চেষ্টা করতে হবে না। আপনি এপিভিএল মাঠ ডেমো, মোবাইল অ্যাপ্লিকেশন অথবা ডেমো দিয়ে শুরু করতে পারেন। এর সাহায্যে লেখার কোড না লিখে আবেগীয় কণ্ঠস্বর ইন্টারফেসের ক্ষমতা পরীক্ষা করা যায়।

API এবং SDK থেকে একত্রিত করুন

সম্পূর্ণ ব্যবহারের জন্য, Humber-র সাথে ব্যবহারযোগ্য Shroicks, HTTPST, TypeT-র ক্ষেত্রে প্রযোজ্য নয়। টেক্সট নির্দেশের মাধ্যমে ভয়েস কনফিউজিং টুলও পাওয়া যাচ্ছে। প্ল্যাটফর্মটি আপনাকে নিম্ন মানের কোডসহ স্বনির্বাচিত মডেল তৈরি করতে দেয়। আধুনিক অভিব্যক্তি পরিমাপ মডেলের উপর ভিত্তি করে ব্যবহার করে এই প্ল্যাটফর্মটি স্থানান্তর করতে পারে।

TA মডেল ব্যবহার

ওপেন সোর্স টিএডিএ মডেল ডাউনলোড এবং স্থানীয় স্থাপনার জন্য সহজলভ্য। কোড, প্রশিক্ষিত মডেল, আর ডেমো আছে গিটহাবে। মডেলটি মেঘের কম্পিউটিং ছাড়া একটি ফোন চালানোর জন্য কিংবা কোন যন্ত্রের উপর দিয়ে চালানো যথেষ্ট।

কি-র বৈশিষ্ট্য

এথিক ভয়েস ইন্টারফেস (AEVI)

একটা কণ্ঠস্বর যে - আবেগকে প্রকৃত সময়ে শনাক্ত করে এবং সেই উপযুক্ত সময়ে সাড়া দেয় । দয়া ৩০০ মিটারেরও কম। তাই, বক্তার স্বরকে আধুনিক সমাপ্তিকে চিহ্নিত করার জন্য ব্যবহার করুন । এই সিস্টেমের অর্থ বুঝতে পারা স্বাভাবিক হয়ে উঠে আর দড়িতে পড়ে যা শব্দ দিয়ে বোঝা যায় না ।

অক্টোবর - ডিসেম্বর

একটি বক্তৃতা সমন্বয়কারী সিস্টেম একটি ৫ সেকেন্ড রেকর্ড বা লেখা থেকে কণ্ঠস্বর তৈরি করতে সক্ষম। অক্টোবরের পর টিএসটিএস স্বাভাবিক, আবেগপূর্ণ কথাবার্তার সঠিক স্বর সৃষ্টি করে । ভয়েস এবং যোগাযোগের স্টাইলে উদবিড়াল, একই সাথে তুমব্রে এবং সমন্বয় সাধনে এবং সমর্থন করা হয়।

এক্সপ্রেশন

কথা, টেক্সট এবং মুখের অভিব্যক্তি শত শত অসম্ভব পরামিতি। গবেষণা করার জন্য ১০ বছরেরও বেশি সময় ধরে ব্যবহৃত এই ব্যবস্থা সাথে সাথেই প্রকাশ করা হয়: অদ্ভুত হাসি, স্বস্তির নিঃশ্বাস, নৃতাত্ত্বিক চেহারা আর আরো অনেক কিছু।

TADA অনুমোদন

টিএএএএ মডেল একটি অদ্ভুত ভেক্টরের অংশ। এই সমস্যার সমাধান করে লেখা এবং বক্তৃতার ক্ষেত্রে কল্পিত টোকেনের মধ্যকার সমস্যা। এই মডেলে ২০৪৮ টি টোকেন আছে, যার মধ্যে প্রায় ৭০০ সেকেন্ড অডিওর (যা সাধারণত ৭০ সেকেন্ডের) মিল রয়েছে।

হুমকীট এডভান্টেজ

বাস্তব সময়ে আবেগপূর্ণ বুদ্ধিমত্তা

( ইফিষীয় ৪: ২৫) মূলত: উচ্চমানের কিন্তু আবেগগতভাবে ঠাণ্ডা ভয়েসের সহকারীরা (সুরী, অ্যালেক্সা), হুমেচি স্বীকার করে এবং আবেগটাকে পুনর্প্রতিষ্ঠিত করার বিষয়ে মনোযোগ দেন । গবেষণা করার জন্য বছরের পর বছর প্রশিক্ষণ গ্রহণ করা হয়েছে ।

উচ্চ গতির ও কম

আতিক ভয়েস ইন্টারফেস ৩০০ মিলিটারীরও কম। টিএএএএ মডেলটি একটি বাস্তব সময়ের বক্তৃতার জন্ম দিয়েছে। এটা মসৃণ এবং স্বাভাবিক কণ্ঠের মাধ্যমে যোগাযোগ করে।

গোপনীয়তা এবং ডিভাইস

TADA মডেলটি স্থানীয়ভাবে একটি ফোনে কিংবা মেঘ কম্পিউটিং ছাড়া একটি ফোন করে চালাতে পারে। এর ফলে তথ্য গোপনীয়তা, API-র উপর কোনো স্বাধীনতা নেই এবং নিম্ন মানের ওপর নির্ভর করে না । এছাড়াও মডেলটি একটি হাজার নমুনার একটি শূন্য কল্পনার মাত্রা প্রদর্শন করে।

সহজকরণ

এই প্লাটফর্মটি টেক্সট নির্দেশের মাধ্যমে স্বনির্বাচিত কন্ঠ এবং ব্যক্তি অধিকার প্রদান করে। প্রথা মডেল API কেবল ভাষা ছাড়া অন্য যে কোন ফলাফলের চেয়ে সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে। আধুনিক অভিব্যক্তি পরিমাপ মডেলের উপর ভিত্তি করে শিক্ষা গ্রহণের জন্য ধন্যবাদ।

নকল সীমা

ভাষার সীমারেখা

বর্তমানে এই প্ল্যাটফর্ম কেবলমাত্র ইংরেজী ও স্প্যানিশদের সমর্থন করে। ইন্টারফেসটির রাশিয়ান ভাষারও কোন সংস্করণ নেই। টিএডিএ মডেল বর্তমান সংস্করণের রুশ ভাষায় সমর্থন করে না।

সম্পূর্ণ বিশ্লেষণ

API-র সম্পূর্ণ বিশ্লেষণ ব্যবস্থা উপলব্ধ করা আবশ্যক। Hum AI- র সাহায্যে ব্যবহারের সময় সহজ টেক্সট-স্পেচ কাজ হবে। এর সাথে, এই কোম্পানির গোপনীয় নীতি পুরোপুরি স্বচ্ছ নয়।

TA মডেল সীমাবদ্ধতা

১০ মিনিটেরও বেশি সময় ধরে কথা বলার সময় মাঝে মাঝে সুর ভেসে যায় । ( ইংরেজি) পত্রিকার ১০ পৃষ্ঠা দেখুন । বর্তমান সংস্করণ কেবল ভাষণের ধারার উপর প্রশিক্ষণ প্রদান করা হয়, তাই এতে অতিরিক্ত টানার প্রয়োজন হয়।

Hume AI সমাধান করতে কি সমস্যা?

উচ্চারিত কন্ঠ এবং গল্প বলা

ভিডিও, পডকাস্ট এবং দীর্ঘ সময়ের বর্ণনার জন্য এই প্ল্যাটফর্মটি তৈরি করা উপযুক্ত। টিএএএএ মডেল বিশেষ করে লম্বা মেয়াদী এবং বহুমুখী ভয়েস ইন্টারফেসের জন্য প্রস্তুত।

ঘোড়া কাস্টমার সার্ভিস

হুম্‌ AI ভার্চুয়াল সহযোগী এবং চ্যাটবোট তৈরি করতে পারে যা বক্তার মানসিক অবস্থার সাথে খাপ খাইয়ে নিতে পারে। এর ফলে গ্রাহকের কল সেন্টার এবং সমর্থন সেবা বৃদ্ধি পায়।

আবেগ বিশ্লেষণ এবং আরও উত্তম যোগাযোগ

শব্দ, টেক্সট এবং মুখের অভিব্যক্তি থেকে আবেগ বিশ্লেষণের জন্য প্ল্যাটফর্মটি তৈরি করা হয়েছে । রোগীদের মানসিক এবং স্বাস্থ্যসেবার বিষয়টি বিশ্লেষণ করা এবং একই সাথে শিক্ষা প্রদান করা শিক্ষা প্রদান করা, যাতে তারা ভার্চুয়াল শিক্ষকদের খাপ খাইয়ে নিতে পারে।

খেলার অক্ষর এবং ভার্চুয়াল রিয়েল

খেলার চরিত্র তৈরি করা, ব্যক্তিত্ব এবং আবেগ দিয়ে তৈরি করা, যা খেলোয়াড়-কর্মের প্রতি প্রতিক্রিয়া প্রদর্শন করতে পারে, এবং একই সাথে অ্যালার্ম এবং নির্দেশনার ব্যক্তিগত AI সহকারী, যেখানে প্ল্যাটফর্মটি প্রয়োগ করা যেতে পারে।

হুমলিচিং

হুমরচের ব্যক্তিগত মডেলের মধ্যে একটি বিনামূল্যে টেইলার এবং গ্রাহকের সংখ্যা আছে ০০২ থেকে শুরু। টিএএএএ মডেলের (মুক্ত উৎস) জন্য একটি ব্যবসা মডেল প্রস্তাব করা হয়েছে যার সাথে বিস্তারিত জানার জন্য ডেভেলপারের সাথে যোগাযোগ করা হবে। নির্ধারিত পরিকল্পনা এবং তাদের বিষয়বস্তু সম্পূর্ণরূপে প্রকাশ করা হয়নি, কাজেই ডেভেলপারের সাথে যোগাযোগ করার পরামর্শ দেয়া হয়েছে।

Hung AI-র জন্য ব্যবহারযোগ্য উৎসের সময়কাল

টিএএএএ মডেল উন্মুক্ত হওয়ার পর বিতরণ করা হয়। ডাউনলোড ও ব্যবহারের জন্য উপলব্ধ কোড ও প্রশিক্ষণ মডেল উপলব্ধ রয়েছে। কিন্তু, অতিরিক্ত টিংকে একজন সহকারী হিসেবে ব্যবহার করতে হবে । হুমকোর বাণিজ্যিক পণ্য ব্যবহার করার জন্য (আইভিএ, অক্টোবরিয়েভ, API), প্ল্যাটফর্ম নিবন্ধন করার সময় আপনাকে লাইসেন্স চুক্তি পর্যালোচনা করতে হবে।

হিউ-র গুরুত্বপূর্ণতা

এই প্ল্যাটফর্মটি ওয়েবের মাধ্যমে পাওয়া যাবে। ইন্টারফেসটি ইংরেজীতে; রুশ ফাইলটি সমর্থিত নয়। ওপেন সোর্স টডএ মডেল ডাউনলোডের জন্য পাওয়া যাবে- কোড, প্রশিক্ষিত মডেল, এবং ডেমো গিটহাবে প্রকাশিত হয়েছে। মডেলটি ইংরেজী এবং আরো সাতটি ভাষাকে সমর্থন করে এবং স্থানীয়ভাবে একটি ফোন বা এমবেড করা যন্ত্রে আক্রমণ করে। হুম্ভুর মূল পণ্য ইংরেজী এবং স্প্যানিশকে সমর্থন করে।

[ পাদটীকা]

Yeng এর মূল পার্থক্য হলো কেবল প্রযুক্তিগত বক্তৃতার অনুশীলনের পরিবর্তে মানসিক বুদ্ধিমত্তার উপর মনোযোগ প্রদান করা। প্ল্যাটফর্মটি উন্মুক্তকরণ এবং বাক স্বাভাবিকতা এবং কণ্ঠস্বর, মুখের অভিব্যক্তি এবং লেখার মাধ্যমে আবেগীয় চাপকে ধারণ করার ক্ষমতা দিয়ে তৈরি হয়েছে। ( ইফিষীয় ৪: ২৫, ২৬) তা সত্ত্বেও, আমাদের কথাবার্তা ও কথাবার্তার ধরন আলাদা ।

এছাড়াও টিএএএএ মডেলের বিকল্প থেকে আলাদা (এক ধরনের লেখা টোকেন), যা উচ্চ গতি প্রদান করে (যা বিকল্প বিকল্পের চেয়ে দ্রুত), একটি শূন্য কল্পনার হার এবং মেঘ ছাড়া পরিচালিত ডাটার ব্যবহার।

অন্তর্ভুক্ত

মানসিকভাবে বুদ্ধিমান ভয়েস ইন্টারফেস তৈরি করার একটি প্লাটফর্ম, যেখানে আবেগপূর্ণ সম্পর্কের কারণে ঘটে থাকে। কোপার পণ্যের মধ্যে রয়েছে ইথিক ভয়েস ইন্টারফেস এভি, অক্টোবর মাসে টিএসটিএস-এর বক্তৃতা বিশ্লেষণ ব্যবস্থা, আবেগ বিশ্লেষণের জন্য একটি API এবং ওপেন সোর্স মডেল টিএএএ। এর মাল্টিমুড্যাল পদ্ধতি এবং মানসিক বুদ্ধিমত্তা, প্লাটফর্ম স্যুট ডেভেলপার, ব্যবসা, প্রচার মাধ্যম এবং মনোবিজ্ঞানীদের উপর মনোযোগ প্রদান করার জন্য ধন্যবাদ। এর ফলে টিএএএএ, টেক্সট-ওডিএ-এর সমস্যা সমাধান করে, বক্তৃতার বিশ্লেষণে সমস্যা সমাধান করে, উচ্চ গতি, শূন্য কল্পনা, এবং মেঘ ছাড়া ডিভাইস চালাতে সক্ষম হয়। সাধারণ টিএসটিএস-এর কাজের জন্য প্ল্যাটফর্মটি প্রয়োজনের চেয়ে অনেক বেশি প্রয়োজন হতে পারে, কিন্তু এই প্লাটফর্মের যোগাযোগ ব্যবস্থা করার জন্য, হুমেচি বাজারের সবচেয়ে উন্নত সমাধান।