近日，有消息稱(chēng)，前微軟亞洲研究院首席研究經(jīng)理譚旭已加入大模型創(chuàng)新企業(yè)月之暗面，擔(dān)任端到端語(yǔ)音模型研發(fā)的領(lǐng)軍人物。譚旭的加入，為月之暗面的技術(shù)研發(fā)注入了新的活力。

據(jù)悉，月之暗面自去年10月起便啟動(dòng)了多模態(tài)研究，目前有一個(gè)約10人的團(tuán)隊(duì)專(zhuān)注于視頻模型的研發(fā)。為確保產(chǎn)品的獨(dú)特性和競(jìng)爭(zhēng)力，公司對(duì)外發(fā)布計(jì)劃一直保持謹(jǐn)慎態(tài)度。

譚旭在生成式AI領(lǐng)域擁有深厚的研究背景，其論文引用量高達(dá)上萬(wàn)次。在微軟任職期間，他的研究成果已廣泛應(yīng)用于Azure、Bing等產(chǎn)品與服務(wù)中。

加入月之暗面后，譚旭的主要目標(biāo)是助力公司打造類(lèi)似GPT-4o的語(yǔ)音體驗(yàn)。GPT-4o是OpenAI今年5月發(fā)布的多模態(tài)大模型，具備低延時(shí)、可隨時(shí)打斷等特性。

傳統(tǒng)的語(yǔ)音方案存在響應(yīng)時(shí)間長(zhǎng)、無(wú)法隨時(shí)打斷等問(wèn)題。而端到端語(yǔ)音模型則省去了中間轉(zhuǎn)換過(guò)程，提高了響應(yīng)速度，并改善了“幻覺(jué)”現(xiàn)象。

譚旭的加入和端到端語(yǔ)音模型的研發(fā)，無(wú)疑將為月之暗面在未來(lái)的市場(chǎng)競(jìng)爭(zhēng)中增添有力籌碼。