▶ видео
Инженер собрал у себя дома полноценного интерактивного Рокки, который общается в реальном времени. Главная фишка – система работает полностью автономно на одном домашнем ПК без доступа к интернету.
Под капотом связка из трёх локальных моделей:
🔹Whisper (OpenAI) – улавливает и расшифровывает человеческую речь на слух
🔹Gemma (Google) – отвечает за «мозги» и зрение, генерируя логику ответов
🔹XTTS – синтезирует речь
Никаких заготовленных реплик: Рокки импровизирует на лету и забавно коверкает грамматику, в точности копируя стиль речи своего книжного и экранного прототипа.
Настоящая дружба между видами – теперь на локальном сервере