Block全新語音模型聽起來像真人一樣

Block的全新語音模型Dessa旨在透過全雙工系統運作，實現同步說話和聆聽，從而改善AI驅動的對話。Block指出，OpenAI的GPT-Live也具備這項功能，旨在促進更流暢自然的互動。該公司聲稱Dessa的情緒反應是「內置」於模型中，這與ElevenLabs v4或Fish Audio Drama 3等據稱使用語音標籤來驅動情緒的其他系統形成對比。

該模型的設計解決了Block所描述的當前語音AI「不自然且惱人」的特點，這些AI通常在生成語音之前將語音轉換為文字。Dessa的方法，據稱情緒源於其對話數據，透過代理人傳達疲倦或情緒困擾的例子進行了展示，表明正朝著更細緻的AI互動邁進。然而，目前尚不清楚這種情緒是否由某種形式的標籤引導。

一個顯著的特點是Dessa能夠在MacBook M4 Max或更高階的消費級硬件上本地運行。這種設備上的處理可以減少企業對遠端伺服器的依賴，從而降低營運成本，並可能擴大語音AI在Block現有Square訂單系統等領域的應用。雖然Dessa尚未公開發佈，但Block已呼籲安全研究人員測試該模型，特別是針對語音代理可能誤導用戶的場景。