Компания Block представила голосовой ИИ «Десса», обученный без текста

Компания Block, финтех-предприятие основателя Twitter Джека Дорси, представила голосовую модель искусственного интеллекта под названием «Десса», которая обучена исключительно на человеческой речи без использования текста. В компании отметили, что «Десса» является первым в мире искусственным интеллектом, с которым можно вести живую и реалистичную беседу, опираясь только на аудиоданные.

По заявлению компании, модель способна слушать и отвечать в режиме реального времени без предварительного преобразования речи в текст. Такой подход кардинально отличается от традиционных голосовых систем ИИ, которые обычно переводят произнесенные слова в текст перед обработкой ответа. Модель обрабатывает звук напрямую и способна реагировать на разговорные нюансы, такие как тон голоса, паузы, смех и сарказм.

В основе разработки лежит архитектура «речь-речь», позволяющая системе одновременно слушать и говорить. Подобная конструкция поддерживает непрерывный и плавный диалог между человеком и искусственным интеллектом, в отличие от стандартной последовательности отдельных этапов распознавания речи, текстовой обработки и синтеза.

В компании Block подчеркнули, что модель освоила язык на основе значительно меньшего количества слов, чем обычно требуется большим языковым моделям. Ранее, в феврале, компания провела масштабную реструктуризацию и объявила об увольнении более 4 000 сотрудников, что составило около половины ее штата на фоне бурного развития технологий искусственного интеллекта.