Block, та самая компания с Square и Cash App, показала свою голосовую модель Dessa.
Block, та самая компания с Square и Cash App, показала свою голосовую модель Dessa. Дело было так. Взяли и обучили модель целиком на человеческой речи, без единого текстового датасета, с нуля. Звук не переводят в текст и обратно, а работают напрямую с аудио. За счет этого модель слышит эмоции, сарказм, смех, паузы в реальном времени, а еще умеет говорить и слушать одновременно, без привычного «по очереди». Крутится все это локально на макбуке про с м4 макс. В Block говорят, что делали это из любопытства, из желания сделать общение человека с ии нормальнее, и из соображений безопасности, потому что голосовые модели сейчас эмоциональные сигналы в упор не видят. Публично Dessa пока недоступна. Сначала ищут исследователей по безопасности ии, чтобы погоняли модель на неожиданные риски, записаться можно через форму на сайте. По факту попытки сделать «эмоциональный» голосовой ии предпринимают не первый год, были и Hume AI, и Moshi от Kyutai, и голосовой режим чатгпт тоже докручивали в эту сторону. Только одно дело звучать эмоционально, и совсем другое - реально понимать, что происходит в разговоре. https://the-decoder.com/blocks-new-ai-model-dessa-was-trained-entirely-on-human-speech-to-catch-emotions-text-based-models-miss/ Как думаете, к чему это в итоге приведет - к тому что голосовые помощники научатся по-настоящему считывать настроение человека, или так и останутся актерами, которые красиво имитируют эмпатию?
Канал в каталоге Максиметера
1 225 подписчиков · IT и технологии