Le laboratoire de recherche en IA de Block a dévoilé le 23 octobre Dessa, un modèle vocal full-duplex qui emprunte une voie différente des assistants vocaux classiques : aucun texte intermédiaire, de l'audio en entrée et de l'audio en sortie.
Trois points forts. D'abord, un entraînement sans texte. Dessa a appris le langage à partir de zéro en écoutant uniquement de vraies conversations humaines, sans données textuelles ni modèle préentraîné ; son responsable y voit un moment « GPT-3 » pour la voix. Ensuite, la sensation d'un appel téléphonique. Le full-duplex signifie qu'il écoute tout en parlant : il peut interrompre, acquiescer et percevoir rires, sarcasme et voix qui se brise, avec une inférence plus rapide que le temps réel. Enfin, il fonctionne en local. Le modèle peut tourner sur un MacBook Pro M4 Max ou mieux, et son entraînement n'a mobilisé qu'un seul rack NVIDIA GB200 NVL72.
Une réserve toutefois : Dessa n'est pour l'instant qu'un aperçu de recherche. L'accès anticipé est réservé à un petit groupe de chercheurs en sécurité de l'IA, avec une liste d'attente publique ouverte ; Block n'a publié ni nombre de paramètres ni benchmarks tiers, si bien que les résultats de la démonstration attendent encore une vérification indépendante.
Lien original : Lire l'original, cet article est un résumé fourni à titre de référence.
Commentaires