傑克·多西的 Block 推出語音 AI Dessa 主打本地化與情感表達 - OwlNews

圖／本報資料庫商傳媒｜葉安庭／綜合外電報導由傑克·多西（JackDorsey）共同創立的Block,Inc.（美國金融服務與數位支付集團）旗下研究實驗室近期推出一款名為Dessa的語音人工智慧模型。Dessa的最大特色在於其能夠本地化AI模型（能直接在裝置上運作，而非透過雲端伺服器），並且能夠產生人類情感表達，例如笑聲、停頓甚至哭泣。傳統的語音AI系統通常會將語音轉換為文字，再進行處理，這過程中往往會流失情感資訊，導致語音聽起來不自然。Block指出，Dessa採用獨特的語音對語音架構，使其能夠同時進行說話與聆聽，並直接處理音訊，對語氣、停頓、笑聲和諷刺等對話線索做出反應。Block形容Dessa是全球首個完全以人類語音互動訓練，並能進行即時、擬真對話的AI系統。根據《BWBusinessworld》報導，Dessa的訓練過程僅使用人類語音，透過單一的輝達（NVIDIA）GB200NVL72系統進行。這顯示其訓練效率極高，學習語言所需的詞彙量遠少於大型語言模型。這款情緒化AI（人工智慧具備理解與表達人類情感的能力）模型，更可以直接在消費級硬體上運作，例如MacBookM4Max，展現其本地運算的潛力。《AIInsider》報導提到，目前Dessa尚未對外開放，Block正在邀請少數AI安全研究人員進行測試。Block預計，這種能夠在裝置上運行的模型能以較低成本提供更多應用體驗，例如其旗下的Square支付服務已在點餐系統中使用語音AI技術。Block也表示，Dessa的情感是內建於模型之中，不同於ElevenLabsv4和FishAudioDrama3等模型透過語音標籤引導情緒。不過，Block也坦承Dessa在辨識說話者等功能上仍可能發生錯誤。