El laboratorio de investigación de IA de Block presentó el 23 de octubre Dessa, un modelo de voz full-duplex que sigue un camino distinto al de los asistentes de voz convencionales: sin texto en el medio, audio que entra y audio que sale.
Tiene tres puntos destacados. Primero, entrenamiento sin texto. Dessa aprendió el lenguaje desde cero escuchando únicamente conversaciones humanas reales, sin datos de texto ni modelos preentrenados; su responsable lo llama un momento "GPT-3" para la voz. Segundo, se siente como una llamada telefónica. Full-duplex significa que escucha mientras habla, así que puede interrumpir, responder con muletillas y captar risas, sarcasmo y voces entrecortadas, con una inferencia más rápida que el tiempo real. Tercero, funciona en local. El modelo puede ejecutarse en un MacBook Pro M4 Max o superior, y su entrenamiento usó un solo rack NVIDIA GB200 NVL72.
Una advertencia: Dessa es por ahora solo una vista previa de investigación. El acceso anticipado se limita a un pequeño grupo de investigadores de seguridad de la IA, con una lista de espera pública abierta; Block no ha publicado el número de parámetros ni benchmarks de terceros, por lo que los resultados de la demostración aún esperan verificación independiente.
Enlace original: Leer el original, este artículo es un resumen de referencia.
Comentarios