Компания Block, основанная Джеком Дорси, представила Dessa — новую полнодуплексную голосовую модель с поддержкой локального запуска. Система способна имитировать человеческие эмоции, включая смех, паузы и всхлипывания. Модель обучалась исключительно на данных человеческой речи с использованием одной стойки графических процессоров Nvidia.
В отличие от большинства решений, преобразующих речь в текст, Dessa работает с аудио напрямую, что позволяет сохранять эмоциональные нюансы. Модель способна менять тембр, скорость речи и интонации в реальном времени. В демонстрационных примерах ИИ меняет манеру общения в зависимости от контекста, например, имитируя усталость или чувство спокойствия.
Для локальной работы модели требуется компьютер с чипом Apple M4 Max или более мощным. На данный момент Dessa недоступна для широкого тестирования. Block приглашает к работе специалистов по безопасности, чтобы оценить риски использования подобных голосовых агентов для введения пользователей в заблуждение.
Основной бизнес Block сосредоточен на финансовых услугах для малого бизнеса, включая обработку заказов через платформу Square. Разработка собственной модели для запуска на устройствах позволит компании снизить затраты на внедрение голосовых технологий и расширить линейку продуктов для своих клиентов.
