Block的新语音模型听起来异常像人
内容摘要
Jack Dorsey的Block公司推出了Dessa，这是由其研究实验室开发的新型全双工语音到语音模型，可在MacBook M4 Max或更高配置的消费级硬件上本地运行，完全基于人类语音训练，仅使用一块NVIDIA GPU。与许多将语音转为文本并丢失情感细节的现有语音AI系统不同，Dessa设计为可同时说话和倾听，并将情感内置于模型中，能产生自然的笑声、停顿和哭声。Block声称Dessa是有史以来最真实的同双工语音模型，但目前尚不清楚其情感是否像ElevenLabs v4或Fish Audio Drama 3那样通过标签控制。该公司发布了展示不同声音和情感表达的对话示例，并认为当前语音AI常因丢弃文本无法承载的信息而带来更差甚至可能危险的体验。Dessa尚未公开，Block已呼吁安全研究人员对其进行测试。
(来源：TechCrunch)