Blockの新しい音声モデルは不気味なほど人間らしい
概要
Jack DorseyのBlockは、研究ラボが開発した新しいフルデュプレックス音声対音声モデルDessaを公開した。DessaはMacBook M4 Max以上のコンシューマー向けハードウェアでローカルに動作し、単一のNVIDIA GPUを使って人間の音声のみで訓練されている。音声をテキストに変換して感情的なニュアンスを失う多くの既存音声AIとは異なり、Dessaは話しながら同時に聞くことができ、感情がモデルに組み込まれており、自然な笑い、間、泣き声を生み出す。BlockはDessaをこれまでで最も本物らしいフルデュプレックス音声モデルだと主張しているが、感情がElevenLabs v4やFish Audio Drama 3のようにタグで制御されているかは不明だ。同社は多様な声と感情表現を示す会話例を公開し、現在の音声AIはテキストでは運べない情報を捨てるため、より悪く潜在的に危険な体験をもたらすと述べている。Dessaはまだ一般公開されておらず、Blockは安全研究者にテストを呼びかけている。
(出典：TechCrunch)