Block ของ Jack Dorsey เปิดตัวโมเดล AI เสียง Dessa ฝึกจากบทสนทนามนุษย์ล้วนๆ

บริษัท Block ของ Jack Dorsey เปิดตัวโมเดล AI เสียงชื่อ Dessa ครับ จุดที่ต่างจาก voice AI ทั่วไปคือ Dessa ถูกฝึกมาจากบทสนทนามนุษย์เพียวๆ ไม่ได้ผ่านข้อความตัวอักษรเลย

ทีมงาน Dessa บอกว่าอยากรู้ว่าโมเดลจะเรียนพูดได้แบบเด็กทารกที่ไม่เคยเห็นตัวอักษรหรือไม่ ผลคือทำได้ แต่ยากมาก พวกเขามองว่าเสียงพูดคือวิธีสื่อสารที่เป็นธรรมชาติที่สุดกับ AI แต่ voice AI ทุกวันนี้มักบีบสิ่งที่เราพูดให้กลายเป็นข้อความจนตามจังหวะคนไม่ทัน และยังแทบไม่รับรู้อารมณ์ในเสียงคนพูด ซึ่งทีมมองว่าเป็นปัญหาด้านความปลอดภัยด้วย

Block เลยโชว์ตัวอย่างบทสนทนาจริงระหว่าง Dessa กับคน มีทั้งคลิปเล่นเกมทายคำด้วยเสียง บทสนทนาเกี่ยวกับหนังของ Christopher Nolan ที่ Dessa พูดนอกเรื่องไปถึงหนัง Superman ของ Bryan Singer แบบไม่คาดคิด และฉากที่คนบอก Dessa ว่าจะพาไปเที่ยวปารีสแบบเซอร์ไพรส์ ซึ่งเว็บไซต์บอกว่า Dessa ตอบกลับมาด้วยน้ำเสียงคล้ายซาบซึ้งจนน้ำตาคลอ

มีคลิปที่ปล่อยโดย Ragavan Thurairatnam หัวหน้าทีม Dessa ด้วย ในคลิปนั้นบทสนทนาส่วนใหญ่โต้ตอบกันเป็นธรรมชาติ แต่โมเดลดันเข้าใจผิดว่าคนพูดชื่อ Ronaldo ตอนแรก นอกจากนี้ยังมีคลิปให้ฟังบทสนทนาระหว่าง Dessa กับโมเดลเสียง GPT-Live-1 ของ OpenAI ซึ่งในคลิปนี้ Dessa ฟังดูเป็นธรรมชาติกว่า

Dessa รันในเครื่องได้บน MacBook Pro M4 Max หรือเครื่องที่แรงกว่านั้น ตอนนี้ทีม Dessa บอกว่าจะให้สิทธิ์เข้าถึงก่อนใครกับกลุ่มนักวิจัยด้านความปลอดภัย AI กลุ่มเล็กๆ เท่านั้น