Новая ИИ-модель Block под названием Dessa обучалась исключительно на человеческой речи, чтобы улавливать эмоции, которые упускают текстовые модели

Block, компания, создавшая Square и Cash App, представила речевую ИИ-модель под названием Dessa.

В Block утверждают, что Dessa — первая ИИ-модель, полностью обученная на человеческой речи, без каких-либо текстовых данных и созданная с нуля. Вместо того чтобы сначала преобразовывать аудио в текст, Dessa обрабатывает речь непосредственно как аудио. Благодаря этому она может в реальном времени распознавать эмоции, сарказм, смех и паузы.

Модель поддерживает полнодуплексное взаимодействие, поэтому может одновременно слушать и говорить. Она работает локально на MacBook Pro M4 Max, а обучалась на одной системе NVIDIA GB200 NVL72. В Block говорят, что создали Dessa из любопытства, стремления улучшить взаимодействие людей и ИИ, а также из соображений безопасности, поскольку современные голосовые ИИ игнорируют эмоциональные сигналы. Dessa пока недоступна для широкой публики. Сначала команда ищет исследователей безопасности ИИ, которые проверят модель на неожиданные риски. Желающие могут зарегистрироваться через форму.

Предыдущие попытки создать эмоциональный голосовой ИИ не увенчались успехом

Несколько команд пытались создать голосовой ИИ с эмоционально выразительной речью. В марте 2024 года стартап Hume AI представил EVI (Empathic Voice Interface) — голосовой ИИ с «эмоциональным интеллектом». В сентябре 2024 года Kyutai выпустила Moshi. Проект Open Empathic от LAION с конца 2023 года работает над обучением моделей синтеза эмпатичной речи с использованием аудиодатасета с открытым исходным кодом. В июне 2025 года OpenAI полностью переработала «расширенный голосовой режим» ChatGPT и с тех пор продолжает его совершенствовать, добавляя улучшенную интонацию, паузы и более реалистичное выражение эмпатии и сарказма.

Но эмоциональная манера речи не означает, что система действительно испытывает эмоции или обладает интеллектом, даже если создаётся такое впечатление. Для продвинутого голосового ИИ важнее такие возможности, как рассуждение во время ответа, а не естественность звучания голоса, поскольку именно они влияют на качество ответа.

Новости ИИ без шумихи — отобраны людьми

Подпишитесь на THE DECODER, чтобы читать материалы без рекламы, получать еженедельную рассылку об ИИ и наш эксклюзивный отраслевой отчёт «AI Radar» шесть раз в год, иметь доступ ко всему архиву и разделу комментариев.