Block’un Dessa ses modeli yerel olarak çalışıyor ve insan gibi duyuluyor

Block, araştırma laboratuvarından çıkan Dessa adlı ses modelini tanıttı. Model yerel olarak çalışıyor ve kahkaha, duraklama ve ağlama gibi unsurlar içeren, insan sesine benzeyen konuşmalar üretmek üzere tasarlandı. Şirket, modelin tek bir NVIDIA GPU kullanılarak tamamen insan konuşmalarıyla eğitildiğini söylüyor.

Dessa, aynı anda dinleyip konuşabilen tam çift yönlü bir konuşmadan konuşmaya modeli. Block, modelin bilgisinin eğitiminde kullanılan sohbet verilerinden geldiğini belirtiyor. Araştırmacılar, farklı sesler, konuşma ritimleri ve duygular sergileyen örnekler paylaştı. Örnekler arasında yorgun tınlayan bir yanıt ve duygusal bir konuşma da var.

Block, Dessa’nın MacBook M4 Max veya daha iyisi gibi tüketici sınıfı bilgisayarlarda çalışabildiğini söylüyor. Model şu anda halka açık değil. Şirket, bir sesli ajanın karşısındaki kişiyi kandırabileceği durumlar da dahil olmak üzere modeli test etmeleri için güvenlik araştırmacılarına çağrı yaptı.

Block, mevcut birçok ses modelinin konuşmayı metinden ürettiğini ve bunun konuşmacının sesinden aktarılan bilgileri kaybettirebildiğini savunuyor. Kaynak makaleye göre Dessa’daki yerleşik duyguların etiketlerle yönlendirilip yönlendirilemeyeceği belirsiz. Makalede, Square’ın sipariş almak için hâlihazırda sesli yapay zekâ kullandığı ve cihaz üzerinde çalışan bir modelin daha fazla ticari ve tüketici deneyimine güç verebileceği belirtiliyor.