Block presenterar Dessa, en mänsklig full-duplex röst-AI-modell

Bild: TechCrunch · Källa

Block introducerar Dessa, en full-duplex röst-AI som efterliknar naturligt mänskligt tal med känslomässiga nyanser och körs lokalt på konsumenthårdvara som MacBook M4 Max.

Block, teknikföretaget som grundades av Jack Dorsey, har presenterat en ny röstmodell vid namn Dessa genom sitt forskningslaboratorium. Till skillnad från många befintliga talmodeller som omvandlar röst till text och därigenom förlorar mycket av den känslomässiga nyansen, arbetar Dessa helt på tal, vilket gör att den kan låta överraskande mänsklig med autentiska uttryck som skratt, pauser och till och med gråt. Företaget beskriver Dessa som den mest autentiska full-duplex talmodellen som någonsin byggts, kapabel att tala och lyssna samtidigt, likt OpenAIs GPT-Live-modell.

Dessas design tillåter den att förmedla känsla och naturligt tempo under samtal, eftersom modellen är tränad uteslutande på mänskligt tal med hjälp av en enda NVIDIA GPU. Detta skiljer sig från många nuvarande tal-AI-system som förlitar sig på text som mellanled och rösttaggar för att injicera känsla, vilket kan resultera i onaturliga eller monotona utspel. Block hävdar att känsla är inneboende integrerad i Dessas talgenerering, även om det inte har klargjorts om särskilda styrmekanismer som taggar används.

Exempel som företaget delat visar modellen uttrycka varierande känslotillstånd; i ett exempel låter Dessa trött när den nämner utmattning, och i ett annat uttrycker den sårbarhet som svar på mänsklig tröst. Dessa interaktioner belyser modellens förmåga att dynamiskt anpassa takt, ton och känslomässig djup. Dessutom visar demonstrationer inom spelupplevelser Dessas interaktiva förmågor i realtid, vilket understryker dess full-duplex-funktionalitet.

Betydande är att Dessa kan köras lokalt på konsumenthårdvara såsom MacBook M4 Max, vilket lovar bredare tillgänglighet utan beroende av molnbaserad beräkning. Denna lokala drift förbättrar inte bara responstiden utan stärker också integriteten och minskar driftskostnader. Däremot är Dessa för närvarande inte tillgänglig för allmänheten. Block samarbetar med säkerhetsforskare för att noggrant utvärdera modellen, vilket signalerar försiktighet, särskilt med hänsyn till etiska implikationer som möjlig missbruk för att lura användare.

Medan Block i nuläget huvudsakligen är verksam inom finans och lösningar för småföretag — där röst-AI används för uppgifter som beställningar — kan ägandet av en sofistikerad röstmodell som Dessa markant expandera deras erbjudanden. Röst-AI på enheten kan göra det möjligt för nya affärs- och konsumenttillämpningar med rikare, mer mänskliga interaktioner till lägre kostnad. När Block fortsätter att förfina Dessa och hantera säkerhet innebär dess utveckling ett potentiellt betydande steg framåt inom röst-AI-teknologin genom att integrera naturligt mänskliga uttryck direkt i AI:ns tal.