Block giới thiệu Dessa, mô hình giọng nói chạy cục bộ với biểu cảm gần như người thật
Block đã giới thiệu Dessa, mô hình giọng nói có thể chạy cục bộ mà công ty cho rằng nghe tự nhiên khác thường, với những khoảng ngừng, tiếng cười, tiếng khóc và thay đổi sắc thái cảm xúc giống con người. Mô hình được phòng nghiên cứu của Block phát triển, huấn luyện hoàn toàn trên dữ liệu giọng nói của con người và được cho là chỉ cần một GPU NVIDIA để huấn luyện. Dessa là mô hình “full-duplex”, nghĩa là có thể vừa nghe vừa nói thay vì phải chờ một lượt hội thoại kết thúc. Block cho biết mô hình không phụ thuộc vào văn bản làm bước trung gian, nhờ đó giữ lại các tín hiệu trong giọng nói giúp thể hiện cảm xúc; các màn trình diễn cho thấy Dessa thay đổi nhịp điệu và nghe như đang mệt mỏi hoặc xúc động khi trò chuyện. Mô hình có thể chạy trên máy tính phổ thông như MacBook M4 Max hoặc mạnh hơn, nhưng hiện chưa được phát hành công khai. Block đang mời các nhà nghiên cứu an toàn kiểm tra khả năng những tác nhân giọng nói như Dessa đánh lừa người ở đầu dây bên kia, đồng thời tìm kiếm ứng dụng trong đặt hàng và tương tác với khách hàng. Nếu các tuyên bố này được chứng minh, việc chạy AI giọng nói giàu biểu cảm trực tiếp trên thiết bị cá nhân có thể giúp trợ lý giọng nói tự nhiên hơn, giảm chi phí vận hành và phù hợp hơn với các ứng dụng thời gian thực.
Dessa đáng chú ý với các nhà phát triển trợ lý giọng nói và doanh nghiệp vì mô hình có thể xử lý hội thoại hai chiều ngay trên MacBook M4 Max hoặc máy mạnh hơn, dù hiện chưa mở cho công chúng. Người dùng tại Việt Nam nên theo dõi các thử nghiệm an toàn trước khi kỳ vọng công nghệ này xuất hiện trong dịch vụ chăm sóc khách hàng hoặc đặt hàng bằng giọng nói.
Đọc bài gốc