N環球 
ब्लॉक ने अकेले बातचीत पर प्रशिक्षित पूर्ण-डुप्लेक्स भाषण मॉडल डेसा का अनावरण किया
ब्लॉक की इन-हाउस एआई रिसर्च लैब ने डेसा जारी किया, जो एक पूर्ण-डुप्लेक्स स्पीच-टू-स्पीच मॉडल है, जिसके बारे में कहा गया है कि इसे वास्तविक मानव वार्तालाप ऑडियो के अलावा किसी और चीज़ पर प्रशिक्षित नहीं किया गया था - कोई पाठ नहीं, कोई पूर्व-प्रशिक्षित मॉडल नहीं। प्रारंभिक पहुंच एआई सुरक्षा शोधकर्ताओं के एक छोटे समूह तक ही सीमित है।
यह क्यों मायने रखता है?
आज अधिकांश वॉयस एआई आपके भाषण को पहले टेक्स्ट में बदलकर काम करता है - इस प्रक्रिया में स्वर, भावना और समय को हटा देता है, और धीरे-धीरे और कठोरता से उत्तर देता है। ब्लॉक के अंदर एक छोटी एआई अनुसंधान प्रयोगशाला से डेसा, एक अलग रास्ता अपनाती है: एक सच्चा पूर्ण-डुप्लेक्स भाषण-से-भाषण मॉडल, ऑडियो इन और ऑडियो आउट, जो एक व्यक्ति की तरह एक ही समय में सुनता है और बात करता है। यह बाधित हो सकता है और बैकचैनल ("हाँ!", "समझ गया!"), वास्तविक समय की तुलना में तेज़ चलता है, और मैकबुक प्रो एम4 मैक्स या बेहतर पर स्थानीय रूप से चल सकता है।
हड़ताली हिस्सा यह है कि इसे कैसे प्रशिक्षित किया गया था: ब्लॉक का कहना है कि डेसा को वास्तविक मानव वार्तालाप ऑडियो के अलावा किसी और चीज पर प्रशिक्षित नहीं किया गया था - कोई पाठ नहीं, कोई पूर्व-प्रशिक्षित मॉडल नहीं - और इसे संभवतः दुनिया का पहला एआई बताया गया है जिसने विशुद्ध रूप से सुनकर यथार्थवादी लाइव बातचीत करना सीखा। यह मूल रूप से भावना, व्यंग्य, हँसी, आह, और उदासी से टूटती आवाज को सुनता और उत्पन्न करता है - बिल्कुल वही जानकारी जो पारंपरिक आवाज पाइपलाइन त्याग देती है।
पूरी रिपोर्ट
डेसा का निर्माण ब्लॉक की एआई रिसर्च लैब द्वारा किया गया था, जिसकी स्थापना टोरंटो डीप लर्निंग स्टार्टअप डेसा के पूर्व सदस्यों ने की थी और यह सीधे ब्लॉक के सह-संस्थापक जैक डोर्सी को रिपोर्ट करता है। प्रोजेक्ट लीड रागवन थुरैरत्नम हैं। आधिकारिक पृष्ठ में डेसा के साथ बात करने वाले लोगों की लाइव रिकॉर्डिंग शामिल है: यह उस क्षण हंसता है जब कुछ अजीब होता है, जब स्पीकर फिल्म के शीर्षक पर खाली हो जाता है तो एक वाक्य समाप्त करता है, और पूछे जाने पर जोर से बोलता है - ब्लॉक तनाव, कोई मानव स्टीयरिंग नहीं।
ब्लॉक का कहना है कि मॉडल को एकल NVIDIA GB200 NVL72 पर प्रशिक्षित किया गया था, जो बड़े भाषा मॉडल की तुलना में सैकड़ों गुना कम शब्दों से भाषा सीख रहा था (यह मानता है कि तुलना पूरी तरह से समान नहीं है, क्योंकि एलएलएम को प्रोग्रामिंग भाषाओं जैसी चीजें भी सीखनी चाहिए)। प्रयोगशाला तीन प्रेरणाओं का हवाला देती है: जिज्ञासा, मनुष्यों और एआई के बीच बेहतर समझ, और सुरक्षा - यह तर्क देते हुए कि आज की आवाज एआई हमारी आवाज में भावनाओं के प्रति लगभग बहरा है, जो स्वास्थ्य देखभाल जैसी सेटिंग्स में खतरनाक हो सकती है, और डेसा इसे ठीक करने की दिशा में एक कदम है।
डेसा वर्तमान में एक शोध पूर्वावलोकन है: ब्लॉक एआई सुरक्षा शोधकर्ताओं के एक छोटे समूह को उन सतही जोखिमों तक शीघ्र पहुंच प्रदान कर रहा है जिनकी टीम को उम्मीद नहीं थी। किसी मूल्य निर्धारण, सार्वजनिक रिलीज़ की तारीख या खुले वजन की घोषणा नहीं की गई है। ध्यान दें कि कंपनी ने पैरामीटर गणना, डेटासेट आकार या बेंचमार्क स्कोर का खुलासा नहीं किया है, इसलिए उपरोक्त तकनीकी दावे ब्लॉक के अपने हैं और स्वतंत्र सत्यापन की प्रतीक्षा कर रहे हैं।
💬 Comments
No comments yet. Be the first!