Block全新语音模型听起来像真人一样

Block的全新语音模型Dessa旨在通过全双工系统运作，实现同步说话和聆听，从而改善AI驱动的对话。Block指出，OpenAI的GPT-Live也具备这项功能，旨在促进更流畅自然的互动。该公司声称Dessa的情绪反应是“内置”于模型中，这与ElevenLabs v4或Fish Audio Drama 3等据称使用语音标签来驱动情绪的其他系统形成对比。

该模型的设计解决了Block所描述的当前语音AI“不自然且恼人”的特点，这些AI通常在生成语音之前将语音转换为文本。Dessa的方法，据称情绪源于其对话数据，通过代理人传达疲倦或情绪困扰的例子进行了展示，表明正朝着更细致的AI互动迈进。然而，目前尚不清楚这种情绪是否由某种形式的标签引导。

一个显著的特点是Dessa能够在MacBook M4 Max或更高阶的消费级硬件上本地运行。这种设备上的处理可以减少企业对远程服务器的依赖，从而降低运营成本，并可能扩大语音AI在Block现有Square订单系统等领域的应用。虽然Dessa尚未公开发布，但Block已呼吁安全研究人员测试该模型，特别是针对语音代理可能误导用户的场景。