Block lanserer Dessa, en menneskelignende full-duplex stemme-AI-modell

Bilde: TechCrunch · Kilde

Block introduserer Dessa, en full-duplex stemme-AI som etterligner naturlig menneskelig tale med emosjonelle nyanser og kjører lokalt på forbrukerhardware som MacBook M4 Max.

Block, teknologiselskapet medgrunnet av Jack Dorsey, har lansert en ny stemmemodell kalt Dessa gjennom sitt forskningslaboratorium. I motsetning til mange eksisterende tale-modeller som konverterer stemme til tekst og dermed mister mye emosjonell nyanse, opererer Dessa fullt og helt på tale, noe som gjør den i stand til å høres overraskende menneskelig ut med autentiske uttrykk som latter, pauser og til og med gråt. Selskapet beskriver Dessa som den mest autentiske full-duplex talemodellen som noensinne er laget, i stand til å snakke og lytte samtidig, lik OpenAIs GPT-Live-modell.

Dessas design tillater at den formidler følelser og naturlig rytme under samtaler, ettersom modellen er trent utelukkende på menneskelig tale ved bruk av en enkelt NVIDIA GPU. Dette står i kontrast til mange nåværende tale-AI-systemer som er avhengige av tekst som mellomledd og stemme-tagging for å injisere følelser, noe som kan resultere i unaturlige eller monotone utspill. Block hevder at følelser er iboende integrert i Dessas talegenerering, men har ikke oppgitt om spesifikke styringsmekanismer som tags benyttes.

Eksempler delt av selskapet viser modellen uttrykke ulike følelsesmessige tilstander; i ett tilfelle høres Dessa trøtt ut når utmattelse nevnes, og i et annet uttrykker den sårbarhet som svar på menneskelig trøst. Disse interaksjonene fremhever modellens evne til å dynamisk tilpasse tempo, tone og emosjonell dybde. Videre demonstrasjoner i spillmiljøer viser Dessas interaktive evner i sanntid, noe som understreker dens full-duplex-funksjonalitet.

Betydningsfullt er det at Dessa kan kjøres lokalt på forbrukerhardware som MacBook M4 Max, noe som lover bredere tilgjengelighet uten avhengighet av skybasert databehandling. Denne lokale driften forbedrer ikke bare responstiden, men styrker også personvernet og reduserer driftskostnadene. Imidlertid er Dessa foreløpig ikke tilgjengelig for allmennheten. Block samarbeider med sikkerhetsforskere for grundig evaluering av modellen, noe som signaliserer forsiktighet, spesielt med tanke på etiske implikasjoner som potensiell misbruk for å villede brukere.

Mens Block i dag i stor grad opererer innen finans og løsninger for små virksomheter — der stemme-AI brukes til oppgaver som bestillinger — kan eierskap av en sofistikert stemmemodell som Dessa utvide deres tilbud betydelig. Stemmemodell på enheten kan muliggjøre nye forretnings- og forbrukerapplikasjoner med rikere, mer menneskelige interaksjoner til lavere kostnad. Etter hvert som Block fortsetter å forbedre Dessa og håndtere sikkerhet, markerer utviklingen et potensielt betydningsfullt sprang fremover innen stemme-AI-teknologi ved å integrere naturlig menneskelig uttrykk direkte i AI-ens tale.