Block Джека Дорси показала Dessa — голосовой ИИ, обученный только на живой речи

Большинство голосовых помощников устроены как цепочка. Сначала речь превращается в текст, языковая модель пишет ответ, потом синтезатор зачитывает его вслух. Dessa от Block работает со звуком напрямую и отвечает речью на речь, без промежуточного текста. Block — компания Джека Дорси, ей принадлежат платёжные сервисы Square и Cash App.

Dessa слушает и говорит одновременно

Модель Dessa умеет слушать, пока говорит. Её можно перебить, она замечает смех и смену тона собеседника. В одном из демонстрационных диалогов Dessa обсуждала кино. В другом — со слезами радости в голосе ответила на предложение отвезти её в Париж.

«Разговор с ней похож на разговор с человеком… полный эмоций, нюансов, пауз и естественного ритма»,

- написал Джек Дорси.

В ещё одном ролике Dessa разговаривала с голосовой моделью OpenAI GPT-Live-1. По оценке журналистов The Verge, Dessa звучала естественнее. Все записи — демонстрации самой Block. Компания уверяет, что разговоры записаны вживую и ответы модели никто не направлял, но независимых тестов пока нет.

Модель Block учили на одной стойке и запускают на ноутбуке

Dessa обучили с нуля на одной системе Nvidia GB200 NVL72, серверной стойке с 72 ускорителями. Готовая модель помещается на MacBook Pro с чипом M4 Max или мощнее и работает локально, без облака. Для голосового помощника это заметный плюс. Разговор не уходит на сторонние серверы, и ответ не зависит от качества сети.

Размер модели, результаты тестов и дату публичного релиза Block не раскрывает. Над Dessa работает исследовательская лаборатория, которая подчиняется напрямую Дорси. В ней есть бывшие сотрудники торонтской компании Dessa, которую Square купила в 2020 году.

Ранний доступ к Dessa получили только исследователи безопасности

Block выпустила Dessa как исследовательский предпросмотр. Пользоваться моделью может только небольшая группа исследователей безопасности ИИ. Компания хочет, чтобы они нашли риски, которые она сама могла упустить.

У Block есть и аргумент в пользу такого голоса. Текстовая расшифровка теряет интонацию. Модель, которая слышит голос, со временем сможет лучше замечать тревогу или боль собеседника. Для служб поддержки это полезный сценарий.

Голос Dessa насторожил тех, кто следит за мошенничеством

Реакция на демо разделилась. Основатель Binance Чанпэн Чжао увидел в Dessa инструмент для обучения детей, потому что учить их «ИИ-голосом» было трудно. Скептики спрашивают, зачем ИИ вообще звучать как человек. Режиссёр Джастин Бейтман считает, что такой голос помогает усыпить бдительность. Журналист Шив Арур предсказал взрывной рост мошеннических звонков.

Как защититься от звонков с поддельным голосом

Модели уровня Dessa пока нет в открытом доступе, но голосовые подделки мошенники используют уже сейчас. Договоритесь с близкими о кодовом слове на случай срочных просьб о деньгах. Если звонящий «родственник» или «коллега» торопит, положите трубку и перезвоните ему сами по известному номеру. Тембр и интонации больше не доказывают, что на линии живой человек.

Dessa пока остаётся демо без цифр

Block показала сильную демонстрацию и почти ничего не дала проверить. Нет размера модели, нет тестов, нет даты выхода. Главный вопрос к Dessa — как она поведёт себя за пределами отобранных роликов. Ответ появится, когда исследователи безопасности опубликуют первые выводы.