Backchannel Berlin (mit Inworld)

Ein Forschungsnachmittag zu Speech-, Audio- und Sprachmodellen an der Frontier, veranstaltet vom Inworld-Team. End-to-End-Speech-to-Speech-Modelle können inzwischen zuhören, während sie sprechen, Unterbrechungen verarbeiten und eine konsistente Stimme halten; sie auf Frontier-Qualität zu bringen ist weiterhin offene Forschung, und sie in Consumer-Apps in jeder Sprache innerhalb weniger hundert Millisekunden zu betreiben, ist ein zweites Problem. Die veröffentlichte Fragenliste ist die Agenda: was ein Full-Duplex-Modell vorhersagen soll und in welcher Granularität, wo kaskadiertes STT-LLM-TTS gegen End-to-End scheitert, wie das Reasoning eines LLM erhalten bleibt, wenn man es auf Hören und Sprechen trainiert, wie weit synthetische Dialoge tragen, und was unter Latenz wirklich zählt: Batching, Caching, Quantisierung oder Speculative Decoding. Rund 56 Anmeldungen. Kostenlos; genauer Ort mit der Anmeldung. Warum hingehen: Eine echte Forschungsdiskussion in dieser Tiefe zu Speech-Modellen findet außerhalb eines Labors selten statt. Am besten für Speech- und Audio-ML-Forschende und Inference-Engineers.