Block की इन-हाउस AI शोध प्रयोगशाला ने 23 अक्टूबर को पूर्ण-द्वैध (full-duplex) वॉयस मॉडल Dessa पेश किया, जो मुख्यधारा के वॉयस सहायकों से अलग रास्ता अपनाता है: बीच में कोई टेक्स्ट नहीं, ऑडियो अंदर और ऑडियो बाहर।
इसकी तीन खास बातें हैं। पहली, शून्य-टेक्स्ट प्रशिक्षण। Dessa ने केवल वास्तविक मानव वार्तालाप सुनकर शून्य से भाषा सीखी, बिना टेक्स्ट डेटा और बिना प्री-ट्रेंड मॉडल के; इसके प्रमुख ने इसे वाक् (speech) के लिए "GPT-3 क्षण" कहा है। दूसरी, यह फोन कॉल जैसा लगता है। Full-duplex का अर्थ है कि यह बोलते समय सुनता भी है, इसलिए यह बीच में टोक सकता है, प्रतिक्रिया दे सकता है, और हँसी, व्यंग्य तथा भर्राई आवाज़ को समझ सकता है, और अनुमान वास्तविक समय से तेज़ चलता है। तीसरी, यह स्थानीय रूप से चलता है। यह मॉडल MacBook Pro M4 Max या बेहतर पर स्थानीय रूप से चल सकता है, और प्रशिक्षण में केवल एक NVIDIA GB200 NVL72 रैक का उपयोग हुआ।
एक सावधानी: Dessa फिलहाल केवल एक शोध पूर्वावलोकन है। शुरुआती पहुँच AI सुरक्षा शोधकर्ताओं के एक छोटे समूह को दी गई है, सार्वजनिक प्रतीक्षा सूची खुली है; Block ने कोई पैरामीटर संख्या या तृतीय-पक्ष बेंचमार्क प्रकाशित नहीं किए हैं, इसलिए डेमो परिणामों की स्वतंत्र पुष्टि अभी बाकी है।
मूल लिंक: मूल पढ़ें, यह लेख केवल संदर्भ हेतु सारांश है।
टिप्पणियाँ