HandshakePreis

(SN58)

Dippy Speech (SN58) ist ein spezialisiertes Subnet im Bittensor-Netzwerk, das sich der Entwicklung fortschrittlicher, quelloffener empathischer Sprachmodelle für AI-Gefährten widmet. Während sich andere Subnets auf die Textgenerierung konzentrieren, entwickelt SN58 speziell Text-to-Speech (TTS)-Technologie. Sein Ziel ist es, lebensechte, menschlich klingende Stimmen zu erschaffen, die das Nutzererlebnis in der Dippy-Anwendung verbessern und AI-Interaktionen natürlicher und emotional ansprechender gestalten.

Als Teil des Übergangs zu Dynamic TAO (dTAO) ermöglicht der SN58-Token Nutzern und Investoren die direkte Teilnahme am Ökosystem des Subnets. Durch den dTAO-Mechanismus können Einzelpersonen auf bestimmte Subnets wie SN58 staken, was dezentrale Abstimmungen und Governance ermöglicht. Dieses System stellt sicher, dass der Erfolg und die Qualität der vom Subnet entwickelten Sprachmodelle direkt in Wert innerhalb der spezialisierten Tokenomics des Netzwerks umgesetzt werden.

Dippy unterscheidet sich durch eine deutlich weniger zensierte Haltung im Vergleich zu herkömmlichen AI-Assistenten. Das Projekt konzentriert sich darauf, eine offene Umgebung für empathisches Rollenspiel und Kameradschaft zu bieten und vermeidet die strengen Filter, die oft auf zentralisierten Plattformen zu finden sind. Dieses Bekenntnis zu kreativer Freiheit ist ein Hauptanziehungspunkt für die Community und ermöglicht authentischere und vielfältigere Interaktionen mit AI-Charakteren.

Miner auf SN58 nutzen Parler-TTS Mini v1 als Basis-Referenzmodell. Um teilzunehmen, müssen sie GPU-Rechenleistung bereitstellen, um Text-to-Speech-Benchmarking und Training zu bewältigen. Die Entwicklungspipeline umfasst das Fine-tuning dieser Modelle und das Einreichen von Gewichten in einen gemeinsamen Pool im Safetensors-Format. Dieses wettbewerbsorientierte Umfeld bietet Minern Anreize, Audio-Outputs höchster Qualität zu produzieren, um Belohnungen zu verdienen.

Das Subnet setzt strenge Scoring-Metriken ein, um sicherzustellen, dass die Modelle hohen Standards entsprechen. Die Bewertung basiert auf der Word Error Rate (WER), welche die Genauigkeit misst, und einem Human Likeness Score, der bewertet, wie natürlich und empathisch die Stimme klingt. Diese Metriken ermöglichen es dem dezentralen Netzwerk, die Leistung verschiedener Modelle objektiv einzustufen und die Entwickler zu belohnen, die die lebensechteste Sprachtechnologie produzieren.

Das Projekt befindet sich derzeit in einer schrittweisen Einführung. Laut der Roadmap ist der am meisten erwartete Meilenstein Phase 3, die die vollständige End-to-End-Integration der dezentralen Sprachmodelle von SN58 in die Consumer-App markiert. Sobald dies abgeschlossen ist, werden Nutzer mit AI-Charakteren interagieren, die von der auf dem Bittensor-Netzwerk entwickelten, lebensechten Sprachtechnologie angetrieben werden. Da diese Modelle zudem open-source sind, könnten sie letztendlich auch in anderen Drittanbieter-Anwendungen und Spielen zum Einsatz kommen.