Нецифровая экономика

Опенсорса много не бывает. Сегодня VK запустил инициативу OpenVK, в рамках которой будет выкладывать в open source свои проекты по нескольким направлениям, включая ИИ. Пока основной площадкой будет GitHub, но в перспективе компания готовится работать и с отечественными Git-платформами.

На старте разработчики опубликовали исходный код платформы Tarantool для создания высоконагруженных приложений, системы StatsHouse для визуализации данных для мониторинга, дизайн-системы VKUI для создания удобных интерфейсов и ряд других. А оформлено всё это как у Яндекса, на отдельном лендинге со ссылками и описанием (хотя источники вдохновения у обоих понятно какие).

🤖 В OpenVK также будут доступны ИИ-модели и библиотеки для их создания. Но о собственной open source LLM пока речи не идёт, что выглядит удивительно после того парада моделей, который мы наблюдали в исполнении MTS AI, Т-Банка и Сбера. Кажется, как и в Яндексе, в VK свои карты раскрывать не спешат.

Зато уже доступна модель EmoSpeech для синтеза речи, обученная на фонемных последовательностях. Она позволяет придать искусственной речи правильные эмоциональные оттенки при озвучке текста нейросетями. Интегрировать решение можно с любой моделью Text-to-Speech, а при наличии датасета — обучить работе с нужным языком (по умолчанию работает только с английским).

У Яндекса тоже есть инструмент для генерации речи, но в открытый доступ компания выложила не его исходный код, а свои правила работы с технологией. Но там речь всё-таки идёт о вопросах взаимодействия с реальными дикторами и генерации контента с их голосами.

💻 Отдельно отметим, что среди опенсорс-разработок VK также будут доступны энкодеры. Их используют для задач обработки естественного языка, таких как классификация и семантический поиск. Энкодеры преобразует текст в семантические представления, которые помогают системе понять смысл текста, а не просто искать совпадения по словам.

Это позволяет эффективно работать с перефразированием и синонимами. На основе семантических представлений можно легко обучить мощные классификаторы для определения, например, токсичности или спама в тексте (трепещите, боты в комментариях!)

Please open Telegram to view this post

VIEW IN TELEGRAM

www.group-telegram.com/us/antidigital.com/8719

3.2K viewsИлья Склюев, edited  Dec 24 at 08:05

Опенсорса много не бывает. Сегодня VK запустил инициативу OpenVK, в рамках которой будет выкладывать в open source свои проекты по нескольким направлениям, включая ИИ. Пока основной площадкой будет GitHub, но в перспективе компания готовится работать и с отечественными Git-платформами.

На старте разработчики опубликовали исходный код платформы Tarantool для создания высоконагруженных приложений, системы StatsHouse для визуализации данных для мониторинга, дизайн-системы VKUI для создания удобных интерфейсов и ряд других. А оформлено всё это как у Яндекса, на отдельном лендинге со ссылками и описанием (хотя источники вдохновения у обоих понятно какие).

🤖 В OpenVK также будут доступны ИИ-модели и библиотеки для их создания. Но о собственной open source LLM пока речи не идёт, что выглядит удивительно после того парада моделей, который мы наблюдали в исполнении MTS AI, Т-Банка и Сбера. Кажется, как и в Яндексе, в VK свои карты раскрывать не спешат.

Зато уже доступна модель EmoSpeech для синтеза речи, обученная на фонемных последовательностях. Она позволяет придать искусственной речи правильные эмоциональные оттенки при озвучке текста нейросетями. Интегрировать решение можно с любой моделью Text-to-Speech, а при наличии датасета — обучить работе с нужным языком (по умолчанию работает только с английским).

У Яндекса тоже есть инструмент для генерации речи, но в открытый доступ компания выложила не его исходный код, а свои правила работы с технологией. Но там речь всё-таки идёт о вопросах взаимодействия с реальными дикторами и генерации контента с их голосами.

💻 Отдельно отметим, что среди опенсорс-разработок VK также будут доступны энкодеры. Их используют для задач обработки естественного языка, таких как классификация и семантический поиск. Энкодеры преобразует текст в семантические представления, которые помогают системе понять смысл текста, а не просто искать совпадения по словам.

Это позволяет эффективно работать с перефразированием и синонимами. На основе семантических представлений можно легко обучить мощные классификаторы для определения, например, токсичности или спама в тексте (трепещите, боты в комментариях!)