Нову ШІ-модель Block під назвою Dessa навчали виключно на людському мовленні, щоб виявляти емоції, які пропускають текстові моделі

Block, компанія, що стоїть за Square і Cash App, представила модель ШІ для роботи з мовленням під назвою Dessa.

У Block кажуть, що Dessa — це перша модель ШІ, повністю навчена на людському мовленні без жодних текстових даних, створена з нуля. Замість того щоб спочатку перетворювати аудіо на текст, Dessa безпосередньо обробляє мовлення як аудіо. Завдяки цьому вона може в реальному часі розпізнавати емоції, сарказм, сміх і паузи.

Модель підтримує повнодуплексний зв’язок, тож може одночасно слухати й говорити. Вона працює локально на MacBook Pro M4 Max, а для її навчання використовувався один NVIDIA GB200 NVL72. У Block кажуть, що створили Dessa з цікавості, прагнення покращити взаємодію між людьми та ШІ, а також через міркування безпеки, оскільки сучасний голосовий ШІ ігнорує емоційні сигнали. Dessa поки що недоступна для широкого користування. Спочатку команда шукає дослідників безпеки ШІ, які протестують модель на предмет непередбачуваних ризиків. Усі охочі можуть зареєструватися через форму.

Попередні спроби створити емоційний голосовий ШІ не набули поширення

Кілька команд намагалися створити голосовий ШІ, який звучав би емоційно виразно. У березні 2024 року стартап Hume AI представив EVI (Empathic Voice Interface) — голосовий ШІ з «емоційним інтелектом». У вересні 2024 року Kyutai представила Moshi. Проєкт Open Empathic організації LAION із кінця 2023 року працює над навчанням моделей емпатичного синтезу мовлення, використовуючи аудіодатасет із відкритим кодом. У червні 2025 року OpenAI переробила «Розширений голосовий режим» ChatGPT і відтоді продовжує його вдосконалювати, додаючи кращу інтонацію, паузи та реалістичніші прояви емпатії й сарказму.

Але емоційне звучання — не те саме, що наявність емоцій чи інтелекту, навіть якщо воно створює таке враження. Для вдосконаленого голосового ШІ важливішими є такі можливості, як міркування під час відповіді, а не природність звучання голосу, оскільки саме вони впливають на якість відповіді.

Новини про ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати без реклами, отримувати щотижневу розсилку про ШІ, ексклюзивний передовий звіт «AI Radar» шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.