Jack Dorsey's Block şirkətin tədqiqat laboratoriyasından yeni bir səs modeli buraxdı ki, yerli olaraq işləyir və gülüş, durma və ağlama kimi ifadələri ilə qəribə insan səslənir. Şirkət Dessa adlı modelin insan danışığı və tək bir NVIDIA GPU rack üzərində tam təlim aldığını söylədi.
Dessa tam duplex modelidir, yəni eyni zamanda danışa və dinləyə bilər, eyni zamanda bu ilin əvvəlində buraxılan GPT-Live OpenAI modelinə bənzəyir. Adətən, danışıq modelləri bilik əldə etmək üçün böyük bir dil modeli ilə birləşdirilir. Blok Dessa'nın biliklərinin söhbət məlumatlarından irəli gəldiyini söylədi.
Block bildirib ki, hazırkı modellər təbii olmayan və narahat səslənə bilər, çünki onların sözün istehsalını idarə edən mətnləri var. ElevenLabs v4 və ya Fish Audio Drama 3 kimi bir çox modellər səs etiketlərindən istifadə edərək danışıqların yaradılmasında duyğuları idarə edir. Dorsey şirkəti, duyğunun onun modelinə daxil olduğunu iddia edir. Bu duyğunun hansısa etiketlə idarə edilməməsi aydın deyil.
İndi səsli AI ilə qarşılıqlı əlaqələr sadəcə pis ola bilər. Səsinizi mətnə çevirir və təkcə mətn götüre bilməyən inanılmaz miqdarda məlumat atır. Dünyanın ən güclü süni intellektlər hisslərinizi eşidə bilmirlər. Biz bunun gülünc olduğunu, daha pis təcrübəyə səbəb olduğunu və potensial təhlükəli olduğunu düşünürük.
Şirkətin tədqiqatçıları Dessa ilə danışıqların çoxsaylı nümunələrini yayıblar. Agentin fərqli səsləri, keyfiyyətləri və duyğuları var idi. Məsələn, söhbətdə robot işdən yorulduğunu söylədi və o anda yorğun səsləndi.
Aşağıdakı nümunədə bot, insanın emosional səslənərkən rahatlıq hiss etməsi və demək olar ki, parçalanması barədə danışırdı.
Xülasə — davamını mənbədə oxuyun.
