Проектът Sophon-Realtime отбеляза версия 1.3.0 на 14 ноември с поддръжка на референтен глас в E2E варианта и поправка за стартирането на Mac при някои аудио устройства. Това е конкретно обновяване на отворен гласов AI проект. Не става дума за ново обучение на цялото семейство: журналът изрично посочва, че файловете с тегла не са променени.

Какво се променя и за кого

Новата възможност за E2E използва кратък референтен запис без допълнително обучение. Поддържащите ограничават предназначението до собствен глас или глас с получено разрешение. Промяната се отнася до E2E реализацията с vLLM-Omni; отделният собствен двигател продължава с вградения глас. Една обща версия в името следователно не означава еднакви функции във всеки начин на стартиране.

Сървърното ръководство описва обработка на говор към говор и интерфейси за разговор в реално време. При E2E референцията се подготвя и кешира, като нечетим или твърде кратък запис води до връщане към вградения глас. Това е полезна подробност за изпитване: отговор със звук още не доказва, че е използвана желаната конфигурация. Нужни са проверка на избрания вариант и наблюдение на действителния резултат.

Семейството е представено като full-duplex — системата може да слуша, докато говори, и да реагира на прекъсване. Това описва организацията на разговора, а не гаранция, че отговорът е точен или че всяко прекъсване ще бъде разбрано правилно. Публикуваните измервания са на разработчиците; SIExpo не е възпроизвеждал техните тестове и не ги представя като независимо потвърдени.

Локалният Mac път има отделни изисквания

Ръководството за Mac посочва Apple silicon, macOS 14 или по-нова версия и препоръчва поне 36 GB обща памет. Описан е и вариант с 32 GB при затворени други приложения, но това не означава същия резерв при всяко натоварване. Необходими са приблизително 30 GB свободен диск. Компютър без микрофон изисква външно аудио устройство.

Поправката от 14 ноември адресира проблем при Bluetooth, AirPlay и HDMI изходи, свързан с голямо закъснение при потискането на ехото. Съобщението описва проверки със симулирано ехо. Това е доказателство за проведен от автора тест, а не обещание за съвместимост с всички слушалки, телевизори и аудио драйвери. Самата документация продължава да се развива, така че за повторяем опит е разумно да се запази точната ревизия.

Как да се оценява полезността

Редакционният ни прочит е, че локалното изпълнение и управлението на гласа дават повече избор на разработчиците, но прехвърлят към тях проверката на устройството и разговора. Един малък пилот трябва да сравни записания текст с действително изговореното, да включи прекъсвания и шум и да отчете използваната памет. Подходящи са измислени тестови разговори и разрешен собствен глас.

Няма основание от тази версия да се заключава доказана поддръжка на български или готовност за всяка клиентска линия. Отвореният код улеснява разглеждането и повторението на експеримента; качеството на конкретния език, защитата на записите и надеждността на приложението остават самостоятелни задачи.

Корицата е AI редакционна илюстрация, не документална снимка.