N環球 
Block presenta Dessa, un modelo de habla full-duplex entrenado únicamente con la conversación
El laboratorio de investigación de inteligencia artificial interno de Block lanzó Dessa, un modelo de voz a voz dúplex completo que, según dice, fue entrenado desde cero con nada más que audio de conversación humana real: sin texto, sin modelos previamente entrenados. El acceso temprano está limitado a un pequeño grupo de investigadores de seguridad de la IA.
Por qué es importante
Hoy en día, la mayoría de las IA de voz funcionan convirtiendo primero su discurso en texto, desechando el tono, la emoción y el tiempo en el proceso, y respondiendo lenta y rígidamente. Dessa, de un pequeño laboratorio de investigación de IA dentro de Block, toma un camino diferente: un verdadero modelo de voz a voz full-duplex, entrada y salida de audio, que escucha y habla al mismo tiempo como lo hace una persona. Puede interrumpir y retroceder ("¡sí!", "¡lo tengo!"), se ejecuta más rápido que en tiempo real y puede ejecutarse localmente en una MacBook Pro M4 Max o superior.
Lo sorprendente es cómo se entrenó: Block dice que Dessa fue entrenada desde cero con nada más que audio de conversación humana real (sin texto, sin modelos previamente entrenados) y la describe como posiblemente la primera IA del mundo que aprendió a mantener una conversación realista en vivo simplemente escuchando. Oye y produce de forma nativa emociones, sarcasmo, risas, suspiros y una voz entrecortada por la tristeza: exactamente la información que descartan los canales de voz convencionales.
Informe completo
Dessa fue construido por el laboratorio de investigación de inteligencia artificial de Block, fundado por ex miembros de Dessa, la startup de aprendizaje profundo de Toronto, y que reporta directamente al cofundador de Block, Jack Dorsey. El líder del proyecto es Ragavan Thurairatnam. La página oficial presenta grabaciones en vivo de personas hablando con Dessa: se ríe en el momento en que algo es gracioso, termina una oración cuando el hablante se queda en blanco con el título de una película y habla más alto cuando se le pregunta, sin dirección humana, enfatiza Block.
Block dice que el modelo fue entrenado en una única NVIDIA GB200 NVL72, aprendiendo el lenguaje con cientos de veces menos palabras que los modelos de lenguajes grandes (admite que la comparación no es completamente igual, ya que los LLM también deben aprender cosas como lenguajes de programación). El laboratorio cita tres motivaciones: curiosidad, una mejor comprensión entre los humanos y la IA, y seguridad, argumentando que la voz de la IA actual es casi sorda a las emociones de nuestras voces, lo que puede ser peligroso en entornos como el de la atención médica, y que Dessa es un paso para solucionarlo.
Dessa es actualmente un avance de la investigación: Block le está brindando a un pequeño grupo de investigadores de seguridad de IA acceso temprano a riesgos superficiales que el equipo no había anticipado. No se han anunciado precios, fecha de lanzamiento público ni pesos abiertos. Tenga en cuenta que la empresa no ha revelado recuentos de parámetros, tamaño del conjunto de datos ni puntuaciones de referencia, por lo que las afirmaciones técnicas anteriores son propias de Block y esperan una verificación independiente.
💬 Comments
No comments yet. Be the first!