Block Dessa: AI-мовлення, що звучить як людина

Компанія Block, співзасновником якої є Джек Дорсі, відомий своєю роллю у Twitter, представила нову розробку — Dessa. Це передовий голосовий ШІ-модель, яка вражає своєю здатністю до максимально реалістичного відтворення людської мови. Dessa вміє імітувати емоційні нюанси, такі як сміх, паузи та навіть тремтіння голосу, що робить її звучання майже невідрізним від справжньої людини.

Революційний підхід до голосового ШІ

На відміну від багатьох існуючих голосових моделей, Dessa є повнодуплексною. Це означає, що вона може одночасно слухати користувача та генерувати свою відповідь, подібно до OpenAI GPT-Live. Традиційно, голосові ШІ потребують інтеграції з великими мовними моделями для доступу до інформації. Однак Dessa отримує свої знання безпосередньо з даних, на яких вона навчалася, що робить її більш самодостатньою.

Block пояснює, що поточні голосові ШІ часто звучать неприродно через складний процес генерації: спочатку мова перетворюється на текст, а потім текст перетворюється назад на мову. Така послідовність призводить до втрати багатьох тонкощів, які неможливо передати в тексті. Навіть найсучасніші ШІ не здатні вловити емоційний стан мовця.

Block вважає такий стан речей неприйнятним, зазначаючи, що це не тільки погіршує користувацький досвід, але й несе потенційні ризики.

Нативна емоційність та гнучкість

Заявлено, що Dessa має вбудовану здатність до емоційного вираження, на відміну від інших моделей, які часто покладаються на спеціальні голосові теги для контролю емоцій. Хоча точні деталі її внутрішньої роботи ще не розголошуються, Block стверджує, що емоційність є природною частиною її функціонування.

Дослідницька команда Block опублікувала кілька прикладів діалогів з Dessa. Ці демонстрації показують, як модель може змінювати тембр, швидкість мовлення та емоційний тон. Наприклад, в одному з аудіофайлів ШІ скаржиться на втому, і її голос дійсно звучить виснажено. В іншому прикладі, обговорюючи почуття безпеки, викликані співрозмовником, Dessa демонструє зворушливу емоційність, яка майже переходить у схлипування.

Ще одне демонстраційне відео показує, як співробітник Block грає в гру з голосовим помічником, що свідчить про потенціал Dessa у сфері розваг та інтерактивних додатків.

Доступність та майбутнє

Важливою особливістю Dessa є можливість її роботи безпосередньо на комп’ютерах користувачів. Заявлено, що модель може функціонувати локально на MacBook з чіпами M4 Max або новішими. Це значно знижує залежність від хмарних серверів та підвищує конфіденційність.

Наразі Dessa недоступна для широкого загалу. Block запрошує дослідників безпеки взяти участь у тестуванні, приділяючи особливу увагу сценаріям, де голосові ШІ можуть бути використані для введення людей в оману. Це свідчить про усвідомлення компанією потенційних ризиків, пов’язаних з надто реалістичним ШІ.

Потенціал для бізнесу

Основний напрямок діяльності Block — це фінансові послуги для малого та середнього бізнесу. Компанія вже використовує голосові технології для обробки замовлень через свою платформу Square. Розробка власної високоякісної голосової моделі, що працює на пристрої, відкриває перед Block широкі перспективи для створення нових продуктів та послуг, орієнтованих як на бізнес-клієнтів, так і на звичайних користувачів, при цьому потенційно знижуючи витрати на впровадження.

Джерело: https://www.ithome.com/1/017/557.htm