ભારતના યુવા ઇનોવેટર અને IIT-BHUના વિદ્યાર્થી સ્પર્શ અગ્રવાલે ટેક્નોલોજીના ક્ષેત્રમાં એક નવો ઇતિહાસ રચ્યો છે. તેમણે “લુના” નામનું વિશ્વનું પ્રથમ ભાવનાત્મક Voice-to-Voice AI મોડેલ વિકસાવ્યું છે. જે Google Gemini અને ChatGPT જેવા અગ્રણી AI ટૂલ્સને ટક્કર આપશે.
સ્પર્શ અગ્રવાલ જેની ઉંમર માત્ર 25 વર્ષ છે. તેણે જયપુર સ્થિત સ્ટાર્ટઅપ Pixa AI સાથે મળીને “લુના” તૈયાર કર્યું છે. આ AI મોડેલ મનુષ્યની જેમ બોલી શકે છે, વાતચીત કરી શકે છે, ગીતો ગાઈ શકે છે અને લાગણીઓ પણ વ્યક્ત કરી શકે છે. એટલે કે લુના માત્ર અવાજ જ સમજતી નથી પણ ભાવનાઓ સાથે પણ સંવાદ કરે છે.
અહેવાલ અનુસાર “લુના” સીધું ઑડિયો પરથી પ્રક્રિયા કરી શકે છે. એટલે કે તેને ટેક્સ્ટ ઇનપુટની જરૂર નથી. તે માનવી જેવી કુદરતી અને ભાવનાત્મક વાણી ઉત્પન્ન કરે છે. આ ટેક્નોલોજી ભાવનાત્મક કૉલ્સ, વર્ચ્યુઅલ આસિસ્ટન્ટ્સ અને ઇન્ટરેક્ટિવ AI મનોરંજન માટે ઉપયોગી બની શકે છે.
સ્પર્શ અગ્રવાલે પોતાના X (પૂર્વે Twitter) હેન્ડલ પર લુનાનો વીડિયો શેર કરીને જણાવ્યું કે આ પ્રોજેક્ટ માટે તેને કોઈ મોટી કંપનીના ઇન્ફ્રાસ્ટ્રક્ચર કે કરોડોના રોકાણની જરૂર નહોતી.
‘લુના’ OpenAIના GPT-4 TTS અને Elevenlabs જેવી અદ્યતન સિસ્ટમો કરતાં વધુ પ્રાકૃતિક અને ઝડપી છે. તેમાં 50% ઓછી લેટન્સી છે. એટલે કે તે ઝડપી પ્રતિસાદ આપે છે અને માનવી જેવી સ્વાભાવિક અવાજની ગુણવત્તા ધરાવે છે.
સ્પર્શ અગ્રવાલે જણાવ્યું કે “લુના”નું લક્ષ્ય એ છે કે માણસ અને મશીન વચ્ચેની વાતચીતમાં “લાગણી”નું તત્વ ઉમેરવાનું જેથી ટેક્નોલોજી વધુ માનવીય લાગે.
ભારતના યુવા ઇનોવેટરની આ સિદ્ધિ બતાવે છે કે યોગ્ય વિચાર અને ઉત્સાહ હોય તો મોટી લેબ કે કરોડોના રોકાણ વિના પણ દુનિયાને બદલી શકાય છે. “લુના”એ AIના વિશ્વમાં એક નવી દિશા ખોલી છે.