Новият AI модел Dessa на Block е обучен изцяло върху човешка реч, за да улавя емоции, които текстовите модели пропускат

Block, компанията зад Square и Cash App, представи AI модел за реч, наречен Dessa.

Block твърди, че Dessa е първият AI модел, обучен изцяло с човешка реч, без никакви текстови данни, и създаден от нулата. Вместо първо да преобразува аудиото в текст, Dessa обработва речта директно като аудио. Това му позволява да улавя емоции, сарказъм, смях и паузи в реално време.

Моделът поддържа пълнодуплексна комуникация, така че може да слуша и да говори едновременно. Той работи локално на MacBook Pro M4 Max и е обучен на един NVIDIA GB200 NVL72. Block казва, че е създал Dessa от любопитство, от желание за по-добра комуникация между хора и AI и заради опасения, свързани с безопасността, тъй като настоящият гласов AI пренебрегва емоционалните сигнали. Dessa все още не е публично достъпен. Екипът първо търси изследователи по сигурността на AI, които да тестват модела за неочаквани рискове. Всеки, който проявява интерес, може да се регистрира чрез формуляр.

По-ранните опити за емоционален гласов AI не успяха да се наложат

Няколко екипа са се опитвали да създадат гласов AI, който звучи емоционално богат. През март 2024 г. стартъпът Hume AI представи EVI (Empathic Voice Interface) — гласов AI с „емоционална интелигентност“. През септември 2024 г. Kyutai последва примера с Moshi. Проектът Open Empathic на LAION работи от края на 2023 г. върху обучението на модели за емпатичен синтез на реч, използвайки аудиоданни с отворен код. OpenAI преработи „Разширения гласов режим“ на ChatGPT през юни 2025 г. и оттогава продължава да го усъвършенства, като добавя по-добра интонация, паузи и по-реалистични изрази на емпатия и сарказъм.

Но това да звучиш емоционално не е същото като да изпитваш емоции или да си интелигентен, дори ако създаваш такова впечатление. При усъвършенствания гласов AI способности като разсъждаването по време на отговора са по-важни от естественото звучене на гласа, защото те действително влияят върху качеството на отговора.

AI новини без шум и преувеличения – подбрани от хора

Абонирайте се за THE DECODER за четене без реклами, седмичен AI бюлетин, нашия ексклузивен шест пъти годишно доклад за новостите в AI „AI Radar“, пълен достъп до архива и достъп до секцията за коментари.