Block zaprezentował głosowy model AI Dessa, trenowany wyłącznie na rozmowach — The Verge

Firma Block Jacka Dorseya ogłosiła model Dessa — model sztucznej inteligencji do komunikacji głosowej, który według twórców był od podstaw trenowany wyłącznie na ludzkiej mowie. Zespół nazywa go pełnodupleksowym modelem speech-to-speech, czyli systemem działającym bezpośrednio z głosem.

Przykłady dialogów głosowych

Jak podaje The Verge, Block opublikował nagrania rozmów Dessa z ludźmi. W części z nich model prowadzi w większości naturalny dialog, chociaż w jednym przypadku na początku błędnie zwrócił się do rozmówcy jako do Ronaldo. Firma pokazała również, jak Dessa gra w głosową grę w zgadywanie.

Na stronie projektu znajdują się także inne przykłady: dyskusja o filmach Christophera Nolana, rozmowa o niespodziewanej podróży do Paryża oraz dialog między Dessa a głosowym modelem OpenAI GPT-Live-1. Podczas rozmowy o kinie Dessa niespodziewanie przeszła do filmów o Supermanie Bryana Singera.

Więcej aktualnych wiadomości na kanale UA.News w Telegramie Telegram.

Lokalne uruchamianie i wczesny dostęp

Zespół Dessa twierdzi, że model jest „prawdziwym” systemem speech-to-speech, a cała jego wiedza pochodzi z ludzkiej mowy. Według twórców można go uruchomić lokalnie na MacBooku Pro z chipem M4 Max lub na wydajniejszym urządzeniu.

Zespół wyjaśnił, że stworzył Dessa z ciekawości, czy model może nauczyć się mówić bez tekstu pisanego, z chęci poprawy wzajemnego zrozumienia między ludźmi a AI, a także ze względów bezpieczeństwa. Twórcy uważają, że współczesne systemy głosowe często przekształcają mowę w tekst i niewystarczająco uwzględniają emocje oraz tempo rozmowy. Zespół planuje zapewnić wczesny dostęp do modelu niewielkiej grupie badaczy bezpieczeństwa sztucznej inteligencji.