‏🔊 مدل‌های صوتی Samsone سامسونگ برای موبایل

‏سامسونگ از خانواده‌ای از مدل‌های زبانی صوتی کوچک به نام Samsone رونمایی کرده است که برای اجرا روی دستگاه‌های موبایل طراحی شده‌اند. این مدل‌ها شامل Samsone-99M، Samsone-134M و Samsone-356M هستند و قرار است در کنفرانس Interspeech 2026 در سیدنی معرفی شوند.

‏این مدل‌ها قادرند صداهای صوتی را همراه با درخواست‌های متنی دریافت کرده و به سوالات پاسخ دهند، صداها را توصیف کنند یا کلیپ‌های صوتی را مقایسه کنند. Samsone توانایی درک گفتار، موسیقی و صداهای محیطی را دارد، اما پاسخ‌های آن فقط به زبان انگلیسی و با حروف کوچک است.

‏معماری Samsone شامل یک کدگذار صوتی Whisper-Tiny، یک پروجکتور غیرخطی و مدل زبانی SmolLM2 از Hugging Face است. این مدل‌ها در تست MMAU عملکرد بهتری نسبت به مدل‌های کوچک قبلی مانند Mellow نشان داده‌اند، اما در بخش پردازش گفتار پیچیده‌تر، مدل‌های بزرگتر مانند Qwen2-Audio و GPT-4o عملکرد بهتری دارند.

‏سرعت تولید توکن در Samsone-99M روی Galaxy S25 Ultra به 125 توکن در ثانیه می‌رسد.

معرفی Samsone؛ خانواده مدل‌های زبانی صوتی سبک برای دستگاه‌های موبایل