N環球 
Block tiết lộ Dessa, một mẫu giọng nói song công hoàn toàn được đào tạo chỉ dựa trên cuộc hội thoại
Phòng thí nghiệm nghiên cứu AI nội bộ của Block đã phát hành Dessa, một mô hình chuyển giọng nói thành giọng nói song công hoàn toàn mà họ cho biết đã được đào tạo từ đầu không dựa trên gì ngoài âm thanh cuộc trò chuyện thực của con người - không có văn bản, không có mô hình được đào tạo trước. Quyền truy cập sớm được giới hạn ở một nhóm nhỏ các nhà nghiên cứu về an toàn AI.
Tại sao nó quan trọng
Hầu hết AI giọng nói ngày nay hoạt động bằng cách trước tiên chuyển lời nói của bạn thành văn bản - loại bỏ giọng điệu, cảm xúc và thời gian trong quá trình này, đồng thời trả lời chậm và cứng nhắc. Dessa, từ một phòng thí nghiệm nghiên cứu AI nhỏ bên trong Block, đi theo một con đường khác: mô hình chuyển giọng nói thành giọng nói song công thực sự, âm thanh vào và ra âm thanh, nghe và nói cùng lúc giống như một người. Nó có thể làm gián đoạn và chuyển kênh ngược ("vâng!", "hiểu rồi!"), chạy nhanh hơn thời gian thực và có thể chạy cục bộ trên MacBook Pro M4 Max trở lên.
Phần nổi bật là cách nó được đào tạo: Block cho biết Dessa đã được đào tạo từ đầu không có gì ngoài âm thanh cuộc trò chuyện thực của con người - không có văn bản, không có mô hình được đào tạo trước - và mô tả nó có thể là AI đầu tiên trên thế giới học cách tổ chức một cuộc trò chuyện trực tiếp thực tế hoàn toàn bằng cách lắng nghe. Nó thực sự nghe và tạo ra cảm xúc, sự mỉa mai, tiếng cười, tiếng thở dài và giọng nói vỡ òa vì buồn - chính xác là những thông tin mà hệ thống giọng nói thông thường loại bỏ.
Báo cáo đầy đủ
Dessa được xây dựng bởi phòng thí nghiệm nghiên cứu AI của Block, được thành lập bởi các thành viên cũ của Dessa, công ty khởi nghiệp về deep learning ở Toronto và báo cáo trực tiếp cho người đồng sáng lập Block, Jack Dorsey. Người đứng đầu dự án là Ragavan Thurairatnam. Trang chính thức có các bản ghi âm trực tiếp về những người đang nói chuyện với Dessa: nó cười khi có điều gì đó buồn cười, kết thúc câu khi người nói bỏ trống tiêu đề phim và nói to hơn khi được hỏi - với, Chặn nhấn mạnh, không có sự điều khiển của con người.
Block cho biết mô hình này đã được đào tạo trên một NVIDIA GB200 NVL72 duy nhất, học ngôn ngữ với số từ ít hơn hàng trăm lần so với các mô hình ngôn ngữ lớn (nó thừa nhận rằng việc so sánh không hoàn toàn giống nhau, vì LLM cũng phải học những thứ như ngôn ngữ lập trình). Phòng thí nghiệm trích dẫn ba động lực: sự tò mò, sự hiểu biết tốt hơn giữa con người và AI và sự an toàn - cho rằng giọng nói ngày nay AI gần như điếc trước cảm xúc trong giọng nói của chúng ta, điều này có thể gây nguy hiểm trong các môi trường như chăm sóc sức khỏe và Dessa là một bước để khắc phục điều đó.
Dessa hiện đang là bản xem trước nghiên cứu: Block đang cung cấp cho một nhóm nhỏ các nhà nghiên cứu an toàn AI khả năng tiếp cận sớm với những rủi ro bề mặt mà nhóm chưa lường trước được. Không có giá cả, ngày phát hành công khai hoặc trọng lượng mở nào được công bố. Lưu ý rằng công ty chưa tiết lộ số lượng tham số, kích thước tập dữ liệu hoặc điểm chuẩn, vì vậy các tuyên bố kỹ thuật ở trên là của riêng Block và đang chờ xác minh độc lập.
💬 Comments
No comments yet. Be the first!