Дослідницький підрозділ фінансової компанії Block, заснованої Джеком Дорсі, презентував нову голосову модель під назвою Dessa. Розробники наголошують, що новинка тренувалася виключно на людському мовленні та здатна відтворювати природні емоції, такі як сміх, паузи чи плач, завдяки чому звучить дуже реалістично.
Dessa є повнодуплексною моделлю, що дозволяє їй одночасно говорити й слухати співрозмовника. На відміну від багатьох інших рішень, які поєднують розмовні двигуни з великими мовними моделями та використовують спеціальні теги для емоцій, у Dessa емоційність закладена безпосередньо в саму систему на основі діалогових даних.
У блозі компанії зазначено, що взаємодія з поточними голосовими асистентами часто буває незручною, оскільки перетворення голосу в текст втрачає величезну кількість інтонаційної інформації. Розробники опублікували приклади розмов, де штучний інтелект змінює тембр та інтонації залежно від контексту, наприклад, звучачи втомлено або з емоційним напруженням.
Технічною особливістю новинки є здатність працювати локально на споживчих пристроях, зокрема на комп’ютерах MacBook з чіпом M4 Max або потужніших. Для тренування моделі використовувалася єдина стійка з графічними процесорами Nvidia.
Наразі публічного доступу до Dessa немає. Компанія звернулася до дослідників безпеки з проханням протестувати модель, щоб виявити потенційні ризики зловживання, зокрема ситуації, коли голосовий агент може видавати себе за людину.
Джерела: techcrunch.com
