Block viser Dessa: stemme med latter og gråd
Blocks nye talemodel kører lokalt og kan tale og lytte samtidig. Den er trænet kun på menneskestemmer, ikke tekst.
Latter og gråd uden tekst undervejs
Block har offentliggjort talemodellen Dessa fra selskabets forskningslaboratorium. Den kan grine, holde pauser og lyde, som om den er ved at græde.
Ifølge Block er følelserne ikke lagt oven på stemmen bagefter, men bygget ind i modellen. Det skyldes ifølge selskabet, at Dessa er trænet udelukkende på menneskelig tale — og på ét NVIDIA GPU-rack.
- Det hardwaregrundlag, Block siger Dessa er trænet på
- 1 NVIDIA GPU-rack
Taler og lytter på samme tid
Dessa er en såkaldt full-duplex-model, hvilket betyder, at den kan tale og lytte på samme tid. Det er samme princip som OpenAIs GPT-Live, der blev sendt på markedet tidligere på året.
Normalt kobles en talemodel sammen med en stor sprogmodel for at hente viden. Block siger, at Dessas viden i stedet kommer fra de samtaledata, den er trænet på.
Konkurrenter styrer følelser med tags
Block mener, at mange nuværende talemodeller lyder unaturlige, fordi der ligger tekst i pipelinen og styrer, hvordan stemmen skal lyde. Modeller som ElevenLabs v4 og Fish Audio Drama 3 bruger voice tags — små instruktioner — til at fremkalde følelser i talen.
Block hævder, at følelsen i Dessa er indbygget. Det står ikke klart, om den også kan styres med tags.
Kører på en MacBook, men ingen adgang
Ifølge Block kan Dessa køre lokalt på en almindelig forbrugercomputer som en MacBook M4 Max eller bedre. Der er dog ingen offentlig adgang i øjeblikket.
I stedet har Block opfordret sikkerhedsforskere til at teste modellen. Baggrunden er ikke oplyst, men testen skal formentlig afdække tilfælde, hvor en stemmeagent narrer folk i den anden ende.
Square kan få stemmen med i prisen
Block lever af finansielle løsninger til små virksomheder, og Square bruger allerede tale-AI til at tage imod bestillinger. En egen model, der kører på enheden, kan ifølge TechCrunch drive flere forretnings- og forbrugeroplevelser til lavere pris.
Flere detaljer
- Block er Jack Dorseys selskab, ifølge TechCrunch.
- Eksemplerne viser stemmer, der lyder trætte eller næsten grædefærdige.
- Et eksempel viser en Block-ansat, der spiller gættespil med Dessa.
Kilder:
TechCrunch AI →
Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.