US — TechCrunch
Mô hình giọng nói mới của Block nghe giống người một cách kỳ lạ
AI2 phút đọc
Block, công ty của Jack Dorsey, vừa giới thiệu một mô hình giọng nói mới tên là Dessa. Mô hình này nghe rất giống người thật, có cả tiếng cười, tiếng ngập ngừng và tiếng khóc.
Chuyện gì đã xảy ra?
Block đưa ra mô hình giọng nói Dessa từ phòng nghiên cứu của công ty. Mô hình này có thể chạy trực tiếp trên máy tính cá nhân, không cần gửi dữ liệu lên mạng. Dessa có thể nói và nghe cùng lúc, giống như mô hình GPT-Live của OpenAI được phát hành đầu năm nay. Công ty cho biết Dessa được huấn luyện hoàn toàn bằng giọng nói của con người.
Các con số và sự kiện chính
- Dessa được huấn luyện bằng một GPU NVIDIA duy nhất.
- Mô hình có thể chạy trên máy tính cá nhân như MacBook M4 Max trở lên.
- Dessa có thể nói và nghe cùng lúc (gọi là full-duplex).
- Hiện chưa mở cho công chúng dùng thử.
- Block đang kêu gọi các nhà nghiên cứu an toàn kiểm tra mô hình.
Tại sao đây là điều mới?
Thông thường, các mô hình giọng nói được ghép với một mô hình ngôn ngữ lớn để tra cứu kiến thức. Giọng nói phải đi qua bước chuyển thành chữ trước, nên nhiều cảm xúc bị mất. Block nói rằng cảm xúc được tích hợp sẵn trong Dessa. Một số hãng khác như ElevenLabs và Fish Audio dùng các thẻ đánh dấu để điều khiển cảm xúc, còn chưa rõ Dessa có làm như vậy hay không.
Vì sao điều này quan trọng?
Block cho rằng các AI giọng nói hiện nay còn chưa tự nhiên và gây khó chịu, và các AI mạnh nhất vẫn không nghe được cảm xúc của người nói. Nếu Dessa làm được việc này, trải nghiệm trò chuyện có thể tốt hơn. Block cũng nằm trong lĩnh vực tài chính và bán giải pháp cho doanh nghiệp nhỏ. Square của Block đã dùng AI giọng nói để nhận đơn hàng. Một mô hình chạy trên thiết bị có thể rẻ hơn và phục vụ nhiều tình huống hơn. Tuy nhiên, công ty cũng thừa nhận rủi ro: một AI giọng nói có thể lừa người nghe.
Cần theo dõi điều gì?
- Kết quả kiểm tra an toàn từ các nhà nghiên cứu bên ngoài.
- Việc Block có mở Dessa cho công chúng dùng thử hay không.
- Cách Dessa điều khiển cảm xúc có phải dùng thẻ đánh dấu hay không.
- Các sản phẩm của Square dùng mô hình này để làm gì.
Chú giải
- Block
- Công ty của Jack Dorsey, làm về tài chính và bán giải pháp cho doanh nghiệp nhỏ.
- Dessa
- Mô hình giọng nói mới của Block, chạy được trên máy tính cá nhân.
- Square
- Dịch vụ thanh toán và bán hàng của Block, đã dùng AI giọng nói để nhận đơn.