Block представила Dessa, голосовую модель, обученную только на человеческой речи и работающую локально на MacBook Pro M4 Max. По данным The Decoder, модель улавливает эмоции, сарказм, смех и паузы. Для голосовых ассистентов это может означать меньше потерь между тем, что человек говорит, и тем, как он это говорит.
Dessa не переводит аудио в текст перед обработкой — работает со звуком напрямую. Она поддерживает full-duplex: может слушать собеседника и говорить одновременно. Звучит прям полезно для живого диалога, где пауза или сарказм иногда важнее ещё одной красивой интонации.
Block — компания, стоящая за Square и Cash App, — говорит, что собрала модель из любопытства, ради более естественного общения человека с ИИ и из соображений безопасности. Dessa обучали на одной системе NVIDIA GB200 NVL72. Но пока модель не открыта для всех.
Сначала Block ищет исследователей безопасности ИИ, чтобы проверить модель на неожиданные риски. И тут есть оговорка: эмоционально звучать — не то же самое, что понимать эмоции или хорошо рассуждать. Как напоминает The Decoder, для качества ответа важнее способность думать и отвечать одновременно; одна выразительная речь этого не гарантирует.
ИсточникThe Decoder
Подробный разборDessa звучит почти как человек, но естественный голос ещё не означает понимание
