Внутренняя исследовательская лаборатория ИИ компании Block представила 23 октября Dessa — полнодуплексную голосовую модель, идущую иным путём, чем обычные голосовые помощники: без текста посередине, аудио на входе и аудио на выходе.
У неё три особенности. Первая — обучение без текста. Dessa выучила язык с нуля, слушая только реальные человеческие разговоры, без текстовых данных и без предобученных моделей; её руководитель называет это моментом «GPT-3» для речи. Вторая — ощущение телефонного звонка. Полный дуплекс означает, что модель слушает, пока говорит: она может перебивать, поддакивать и улавливать смех, сарказм и срывающийся голос, а вывод работает быстрее реального времени. Третья — локальный запуск. Модель может работать на MacBook Pro M4 Max или лучше, а для обучения использовалась всего одна стойка NVIDIA GB200 NVL72.
Оговорка: пока Dessa — лишь исследовательская preview-версия. Ранний доступ получила небольшая группа исследователей безопасности ИИ, открыт публичный список ожидания; Block не опубликовала ни число параметров, ни сторонние бенчмарки, поэтому результаты демонстрации ещё ждут независимой проверки.
Ссылка на оригинал: Читать оригинал, эта статья — краткое изложение для справки.
Комментарии