AI и дата-центры
Block показала Dessa: голосовая модель, обученная только на человеческой речи, без текста
Публикация:
Лаборатория Block представила Dessa, голосовую модель speech-to-speech: она обучалась с нуля только на записях человеческих разговоров, без текста и готовых моделей. Модель слушает и говорит одновременно, а работает локально на MacBook Pro с чипом M4 Max или лучше.
Обычные голосовые помощники переводят речь в текст, прогоняют текст через модель и озвучивают ответ. Dessa пропускает текст: звук входит, звук выходит, поэтому сохраняются интонация, смех, сарказм и паузы, которые текстовая цепочка теряет.
Block называет Dessa полнодуплексной моделью: она слушает и говорит одновременно, перебивает и поддакивает короткими репликами, а вывод идет быстрее реального времени. Обучение прошло на одной системе NVIDIA GB200 NVL72, а язык модель выучила на словах в сотни раз меньше, чем нужно текстовым моделям, по заявлению компании.
Публичного доступа пока нет: ранний доступ получит небольшая группа исследователей безопасности, остальные записываются в лист ожидания. Размер модели, бенчмарки и дата выхода не раскрыты, а демозаписи пока остаются демонстрациями компании, а не независимыми тестами.