「笑い、涙ぐむほどに」――ツイッター共同創業者ジャック・ドーシーのBlock、人間に似た音声AIを公開

何が起きたか

Block は、Twitter の共同創業者ジャック・ドーシーが率いる決済会社です。同社は、自社の研究チームが作った音声AI「Dessa」を発表しました。Dessa は、話を聞きながら同時に話せます。文の途中で笑ったり止まったりでき、気持ちに合わせて声の調子も変えられます。Block によると、ほかの多くの音声AIと違い、まず音声を文字に変換する必要がありません。人が話した録音から直接学習したといいます。

主な数字と事実

• 話すことと聞くことを同時に行う「フルデュプレックス」技術を使っています。
• Block は、Nvidia の GPU サーバーを1ラック分使って学習させました。
• Apple の M4 Max チップを積んだ MacBook Pro のようなノートパソコンでも動きます。
• Square では、すでに音声AIが食べ物の注文を受けています。

Block とは

Block は、アメリカのフィンテック企業です。フィンテックとは、お金のやり取りをITで便利にする仕事のことです。Square は、お店がカードなどで支払いを受けるための仕組みを提供しています。Cash App は、友だちにお金を送るためのアプリです。2021年に社名を Square から Block に変えました。今は、決済や金融の仕事でAIを使う範囲を広げています。

なぜ重要か

ほとんどの音声AIは、声を文字に変えてからまた声に戻します。その途中で、声の調子や気持ちが失われがちです。Block の説明どおりなら、Dessa はもっと人間らしく話せるかもしれません。また、パソコンの中で動けば、会社が外部のAIサービスに頼る度合いを減らせます。一方で、同じ声をだましの電話や、別の人になりすますために悪用されるおそれもあります。そのため、安全対策がとても大切です。

今後注目すべき点

• Block は、まず AI の安全性を調べる研究者に使えるようにし、危険性を試す予定です。
• いつ実際の支払いサービスで使われるかは、まだ発表されていません。
• 公開されたデモ動画は Block 自身が作ったものです。第三者による性能テストはまだありません。
• OpenAI の GPT-Live も双方向の会話に対応しており、Dessa と比べてどうかが気になります。