Block stellt Dessa vor, ein menschenähnliches Full-Duplex-Sprach-KI-Modell

Image: TechCrunch · Source

Block bringt Dessa auf den Markt, eine Full-Duplex-Sprach-KI, die natürliche menschliche Sprache mit emotionalen Nuancen nachahmt und lokal auf Consumer-Hardware wie dem MacBook M4 Max läuft.

Block, das von Jack Dorsey mitbegründete Technologieunternehmen, hat über sein Forschungslabor ein neues Sprachmodell namens Dessa vorgestellt. Im Gegensatz zu vielen bestehenden Sprachmodellen, die Sprache in Text umwandeln und dabei viele emotionale Nuancen verlieren, arbeitet Dessa vollständig auf Basis von Sprache, was es ihr ermöglicht, überraschend menschlich zu klingen – mit authentischen Ausdrucksformen wie Lachen, Pausen und sogar Weinen. Das Unternehmen beschreibt Dessa als das bislang authentischste Full-Duplex-Sprachmodell, das gleichzeitig sprechen und zuhören kann, ähnlich wie das GPT-Live-Modell von OpenAI.

Das Design von Dessa erlaubt es, Emotionen und natürliche Sprachmelodie während Gesprächen zu vermitteln, da das Modell vollständig mit menschlicher Stimme auf einer einzigen NVIDIA-GPU trainiert wird. Dies steht im Gegensatz zu vielen aktuellen Sprach-KI-Systemen, die auf Textzwischenstufen und Sprach-Tags angewiesen sind, um Emotionen einzufügen, was oft zu unnatürlichen oder monotonen Ausgaben führt. Block betont, dass Emotionen inhärent in der Spracherzeugung von Dessa integriert sind, auch wenn nicht klar ist, ob spezielle Mechanismen zur Steuerung von Emotionen wie Tags verwendet werden.

Von der Firma geteilte Beispiele zeigen, wie das Modell verschiedene emotionale Zustände ausdrückt; in einem Fall klingt Dessa müde, während es Ermüdung erwähnt, in einem anderen zeigt es Verletzlichkeit als Reaktion auf menschlichen Trost. Diese Interaktionen unterstreichen die Fähigkeit des Modells, Sprechtempo, Tonfall und emotionale Tiefe dynamisch anzupassen. Zudem zeigen Gameplay-Demonstrationen Dessas interaktive Fähigkeiten in Echtzeit und heben damit die Full-Duplex-Funktionalität hervor.

Bemerkenswert ist, dass Dessa lokal auf Consumer-Hardware wie dem MacBook M4 Max läuft, was eine breitere Zugänglichkeit ohne Abhängigkeit von Cloud-Rechenleistung verspricht. Der lokale Betrieb verbessert nicht nur die Reaktionsgeschwindigkeit, sondern steigert auch die Privatsphäre und senkt die Betriebskosten. Derzeit ist Dessa jedoch nicht öffentlich verfügbar. Block arbeitet mit Sicherheitsexperten zusammen, um das Modell eingehend zu evaluieren, wobei besonderes Augenmerk auf ethische Fragen wie Missbrauchspotential zur Täuschung von Nutzern gelegt wird.

Während Block aktuell vor allem im Bereich Finanzen und Kleinunternehmenslösungen tätig ist – etwa durch den Einsatz von Sprach-KI für Aufgaben wie Bestellungen – könnte die eigene Entwicklung eines solch ausgefeilten Sprachmodells wie Dessa das Angebot deutlich erweitern. On-Device-Sprach-KI kann neue Geschäfts- und Verbraucheranwendungen mit reichhaltigeren, menschenähnlicheren Interaktionen bei geringeren Kosten ermöglichen. Während Block Dessa weiter verfeinert und die Sicherheit berücksichtigt, stellt die Entwicklung einen potenziell bedeutenden Fortschritt in der Sprach-KI-Technologie dar, indem natürliche menschliche Ausdruckskraft direkt in die Sprachausgabe der KI integriert wird.