Az összeállítás középpontjában a Phonon 2 nevű, mindössze 164 MB méretű beszédfelismerő modell áll, amelynek célja, hogy hasonló vagy jobb teljesítményt nyújtson a jóval nagyobb méretű rendszerekhez képest.
A demonstráció során részletesen bemutatott architektúra a Fermion Research fejlesztése, és a Parakeet nevű Nvidia-modell adaptációja, amelyet jelentősen optimalizáltak méret szempontjából. Felmerül a kérdés: miképp sikerült ilyen hatékonynak maradni ennyire kompakt csomagban, és valóban elegendő-e csak egy CPU a futtatásához?
Több valós teszten keresztül vizsgálják, hogy milyen gyorsan és pontosan képes átírni különféle angol nyelvű hanganyagokat — legyen az irodalmi narráció, párbeszéd vagy nehéz kiejtésű szöveg. Érdekes kérdéseket vet fel a feldolgozás sebessége, a modell felhasználhatósága gyengébb minőségű hangfájlok vagy érzelmileg telített szövegrészletek esetén is.
Az alapos tesztsorozat kitér a helyi futtatás lehetőségeire, a szerveres használatra, illetve az angol nyelvre optimalizált modellt érintő nyelvi korlátokra. Többekben felmerülhet: vajon mikor és hogyan válhat majd elérhetővé többnyelvű változat, vagy milyen licencfeltételekkel használható a modell kereskedelmi célra?
