Исследовательская лаборатория Block представила голосовую ИИ-модель Dessa, которую в компании считают особенно реалистичной. Ее обучали только на аудиозаписях человеческой речи. Модель умеет одновременно слушать собеседника и отвечать ему, а знания встроены непосредственно в ее работу: отдельное подключение большой языковой модели не требуется. Пока публичного доступа к Dessa нет. Разработчики сообщают, что модель можно будет запускать локально на компьютере.
Модель обучали на человеческой речи
В основе Dessa лежат аудиозаписи людей. По данным Block, модель не опирается на текстовую расшифровку речи как на обязательный промежуточный этап. Такой подход разработчики связывают с тем, что голос передает не только слова, но и интонацию, темп и эмоции.
В компании считают, что традиционные голосовые помощники теряют часть этих признаков, когда сначала переводят речь в текст. После такой обработки голосовая система получает слова, но может не сохранить эмоциональную окраску исходной фразы. Block называет это одной из причин, по которым ответы помощников звучат неестественно и хуже воспринимаются в разговоре.
Разработчики утверждают, что Dessa умеет работать с эмоциями непосредственно в голосовом формате. В представленных примерах модель использовала разные голоса, меняла темп речи и передавала эмоциональные оттенки. В одном разговоре бот сообщил, что устал после работы, и произнес фразу усталым голосом.
Dessa слушает и отвечает одновременно
Модель ведет голосовой разговор в режиме одновременного прослушивания и ответа. В исходном описании этот принцип сравнивают с GPT-Live от OpenAI, выпущенной ранее в этом году. При этом Dessa отличается устройством: ее знания уже встроены, поэтому для ответа ей не нужна отдельная интеграция с большой языковой моделью.
Такое устройство связывает речевую часть и знания внутри одной модели. В традиционном варианте голосовую систему обычно объединяют с большой языковой моделью, которая отвечает за содержание ответа. Block описывает Dessa как самостоятельную голосовую модель, способную воспринимать реплики собеседника и формировать ответы без такого подключения.
Публично воспользоваться Dessa пока нельзя. Разработчики сообщили, что модель можно будет запускать локально на компьютере, однако подробностей о доступе и сроках запуска в исходном сообщении нет. Поэтому проверить представленные примеры самостоятельно пока невозможно.
В Block пока не раскрыли планы внедрения
Block зарабатывает на финансовых услугах для малого бизнеса. Аналитики отмечают, что голосовая технология может снизить стоимость голосовых сервисов компании. Однако Block пока не сообщила, собирается ли внедрять Dessa в свои продукты и как именно это будет происходить.
Пока известны только заявленные особенности модели и примеры ее речи. Следующий практический ориентир — появление публичного доступа: тогда пользователи смогут оценить, как Dessa сохраняет интонацию в обычном разговоре и насколько естественно отвечает за пределами демонстрационных примеров.
