返回 文章 学习 CMS 文章

Jack Dorsey的Block发布AI模型Dessa:仅用人类对话训练,语音交互更自然

Block推出仅用人类对话训练的语音AI模型Dessa,探索更自然的语音交互与安全。

AI模型语音交互BlockJack Dorsey
成长分 / 100 60 综合收获、行动、留存与影响

Jack Dorsey的Block发布AI模型Dessa:仅用人类对话训练,语音交互更自然
为什么值得读了解Block在AI语音模型上的新尝试,不同于主流文本转语音的路径。

Dessa展示了仅用人类对话训练模型的可能性和挑战,引发对AI学习方式的思考。

关键洞察
  1. Dessa是一个真正的语音到语音模型,所有知识来自人类语音,而非文本。
  2. 模型可在MacBook Pro M4 Max或更高配置上本地运行。
  3. 开发动机包括好奇心、增进人机理解以及安全考虑。
转成行动

深入阅读

正文与原文对照

原文保真覆盖:全文原文字符:2343

Jack Dorsey 的 Block 宣布了一款名为 Dessa 的 AI 模型,该模型“完全基于人类对话从零开始训练”,为了展示这个模型,Block 分享了它与人类进行的对话,这些对话有时会显得有点尴尬和诡异。

以这个为例,它由 Dessa 负责人 Ragavan Thurairatnam 分享。模型与说话者之间的对话确实有大部分自然的来回交流(尽管出于某种原因,模型最初把说话者误认为一个叫“Ronaldo”的人)。

这里是 Dessa 通过语音玩猜谜游戏的一段视频:

Dessa 网站还展示了其他几个例子,比如一段关于 Christopher Nolan 电影的来回对话(包括 Dessa 意外跑题谈到 Bryan Singer 的Superman电影),一个人告诉 Dessa 要带它去巴黎惊喜旅行(正如网站所描述,Dessa“随后用听起来像含泪感激的话回应”),以及 OpenAI 的 GPT-Live-1 语音模型与 Dessa 之间的对话(其中 Dessa 显得更自然)。你可以在这个视频中听到其中一些对话的片段。

在网站上,Dessa 团队表示,Dessa 是一个“真正的语音到语音模型,它所知道的一切都来自人类语音”,并且它可以在 MacBook Pro M4 Max“或更好”的设备上本地运行。至于他们为什么做这个,团队给出了三个理由:“好奇心(也就是乐趣)、增进人类与 AI 之间的理解,以及安全”,并提供了更多细节:

婴儿学会说话时从未见过写下来的文字。我们想看看模型是否也能做到。它能。只是非常难。

语音是与任何智能(超级智能或其他智能)最自然的接口,而当今的语音 AI 浪费了它。它把我们说的话压平成文本,无法跟上人类的节奏。

AI 不断获得力量和独立性,但它仍然几乎听不到我们声音中的情感。想象一下,你正处于严重疼痛中,而语音 AI 毫无察觉,只是继续说下去。这就是安全问题。Dessa 是朝着解决这个问题迈出的一步。

Dessa 团队表示,将向“一小群 AI 安全研究人员”提供该模型的早期访问权限。