Underdogs Sprachmodell Woof passt in 32 MB und läuft im Browser

Die Modellkarte von Woof liefert die Details. Das Modell spricht Englisch mit zwei Stimmen, Juno und Mira, und liest Preise, Daten und Telefonnummern so vor, wie Menschen sie sprechen. Der Download mit zwei Stimmen ist 40.6 MB groß und läuft auf einem Laptop-Prozessor allein mit numpy, einer grundlegenden Mathematikbibliothek, mit der 13.8-fachen Echtzeit bei der Stimme Juno auf einem Thread eines Apple M5 Max.

Underdog hat das Modell selbst an 500 schwierigen englischen Sätzen bewertet. Nach eigener Zählung liegt die Stimme Mira von Woof bei 1,42 % falscher Wörter, gegenüber 1,89 % bei Fish Audio Drama 3, einem Download von 41.5 GB, und 6,63 % bei ElevenLabs Flash v2.5. Das sind Underdogs eigene Zahlen.

Die Lizenz zieht eine klare Linie. Woof ist für private, Forschungs-, Lehr- und gemeinnützige Zwecke kostenlos, sofern Underdog genannt wird, und in den eigenen Apps von Underdog immer kostenlos. Für Anzeigen, monetarisierte Videos oder die Arbeit eines Unternehmens ist eine kommerzielle Lizenz nötig, einen öffentlichen Preis dafür gibt es nicht.

Gründer Sigil Wen sagte TechCrunch, er wolle offene Modelle aus amerikanischer Produktion, die Daten auf den eigenen Geräten der Menschen halten.

Auf unserer Seite zu KI-Voiceover ist der Starter-Tarif von ElevenLabs für 6 $ der erste mit kommerzieller Lizenz, und der Free-Tarif deckt die private Nutzung mit Namensnennung ab (Stand unserer Prüfung am 8. November).

Für Werbetreibende hat die Cloud-Stimme einen Preis, den man heute nachlesen kann: 6 $ pro Monat bei ElevenLabs Starter. Die lokale Stimme von Woof braucht eine E-Mail an Underdog, bevor sie in einer Anzeige zum Einsatz kommen kann.