O laboratório de pesquisa em IA da Block apresentou em 23 de outubro o Dessa, um modelo de voz full-duplex que segue um caminho diferente dos assistentes de voz convencionais: sem texto no meio, áudio que entra e áudio que sai.
São três destaques. Primeiro, treinamento sem texto. Dessa aprendeu a linguagem do zero ouvindo apenas conversas humanas reais, sem dados de texto e sem modelos pré-treinados; seu líder o chama de momento "GPT-3" para a voz. Segundo, parece uma ligação telefônica. Full-duplex significa que ele escuta enquanto fala, podendo interromper, responder com interjeições e captar risos, sarcasmo e vozes embargadas, com inferência mais rápida que o tempo real. Terceiro, roda localmente. O modelo pode rodar em um MacBook Pro M4 Max ou superior, e o treinamento usou apenas um rack NVIDIA GB200 NVL72.
Um alerta: Dessa é, por enquanto, apenas uma prévia de pesquisa. O acesso antecipado vai para um pequeno grupo de pesquisadores de segurança de IA, com lista de espera pública aberta; a Block não publicou número de parâmetros nem benchmarks de terceiros, de modo que os resultados da demonstração ainda aguardam verificação independente.
Link original: Ler o original, este artigo é um resumo para referência.
Comentários