Block เปิดตัว Dessa โมเดลเสียง AI ฟูลดูเพล็กซ์ ฟังและพูดพร้อมกันได้
Block เปิดตัว Dessa โมเดลเสียง AI แบบฟูลดูเพล็กซ์ที่สามารถพูดคุยและฟังได้พร้อมกัน มีความสมจริงและใส่อารมณ์ได้ โดยทำงานบนจีพียูทั่วไปได้
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Block เปิดตัว Dessa โมเดลเสียง AI แบบฟูลดูเพล็กซ์ พูดและฟังได้พร้อมกัน
- ความรู้ของโมเดลมาจากข้อมูลการสนทนาโดยตรงโดยไม่ต้องพึ่งพา LLM
- สามารถรันโมเดลบนคอมพิวเตอร์ทั่วไปอย่าง MacBook M4 Max ได้
- ยังไม่มีการเปิดให้ใช้งานสาธารณะ โดยเปิดรับนักวิจัยด้านความปลอดภัยทดสอบก่อน
บริษัท Block ของ แจ็ค ดอร์เซย์ ได้เปิดตัว Dessa โมเดลเสียง AI ตัวใหม่ล่าสุดที่มีความสามารถแบบฟูลดูเพล็กซ์ (Full-duplex) ซึ่งหมายความว่ามันสามารถพูดและฟังได้ในเวลาเดียวกัน คล้ายกับโมเดล GPT-Live ที่ OpenAI เคยปล่อยออกมาก่อนหน้านี้ในปีเดียวกัน โดยทาง Block ระบุว่าความรู้ของ Dessa นั้นมาจากข้อมูลการสนทนาภายในตัวโมเดลเอง ต่างจากโมเดลเสียงทั่วไปที่มักจะต้องพึ่งพาภาษาขนาดใหญ่ (LLM) ร่วมด้วยสำหรับการดึงข้อมูล
ทางบริษัทได้ระบุในบล็อกโพสต์ว่า การโต้ตอบกับเสียง AI ในปัจจุบันมักจะแปลงเสียงเป็นข้อความและทำลายรายละเอียดจำนวนมากที่ข้อความเดี่ยวๆ ไม่สามารถสื่อออกมาได้ รวมถึงการที่ AI ไม่สามารถรับฟังความรู้สึกของผู้ใช้งานได้ ซึ่งพวกเขามองว่าเป็นเรื่องที่ล้าหลังและอาจก่อให้เกิดอันตรายได้ Dessa จึงถูกพัฒนาขึ้นมาเพื่อแก้ไขจุดอ่อนนี้โดยการฝังอารมณ์ น้ำเสียง การเว้นจังหวะ และความรู้สึกเอาไว้ในตัวโมเดลโดยตรงโดยไม่ต้องอาศัยแท็กเสียงกำกับแบบที่โมเดลอื่นๆ เช่น ElevenLabs v4 หรือ Fish Audio Drama 3ใช้งานกัน
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การพัฒนาโมเดลเสียงแบบฟูลดูเพล็กซ์ที่ประมวลผลเสียงชนเสียงโดยตรง (Speech-to-Speech) แทนที่จะแปลงเป็นข้อความก่อน ช่วยลดความหน่วงและรักษาความรู้สึกของมนุษย์ไว้ได้ดีขึ้น การที่ Block ซึ่งเดิมทำธุรกิจด้านเทคโนโลยีการเงินอย่าง Square เลือกพัฒนาเทคโนโลยีนี้เอง อาจช่วยให้พวกเขานำไปต่อยอดกับระบบสั่ง อาหารอัตโนมัติหรือบริการลูกค้าได้อย่างเป็นธรรมชาติและมีต้นทุนที่ต่ำลงในอนาคต
ทีมนักวิจัยของ Block ได้เผยแพร่ตัวอย่างการสนทนาหลายรายการกับ Dessa ซึ่งแสดงให้เห็นว่าบอตสามารถเปลี่ยนน้ำเสียง จังหวะ และอารมณ์ไปตามสถานการณ์ได้ เช่น ในตัวอย่างหนึ่งบอตกล่าวว่ารู้สึกเหนื่อยจากการทำงานและน้ำเสียงก็เปลี่ยนเป็นความเหนื่อยล้า หรือในอีกตัวอย่างหนึ่งบอตพูดด้วยน้ำเสียงสะอื้นและเต็มไปด้วยอารมณ์ขณะสนทนา นอกจากนี้ยังมีตัวอย่างการเล่นเกมทายคำร่วมกับทีมงานของ Block ซึ่งโมเดลสามารถทายคำตอบได้อย่างรวดเร็วและแม่นยำ
Interacting with current voice AI can just plain suck. It turns your voice into text and throws away an incredible amount of information text alone can’t carry. The most powerful AIs in the world can’t hear how you feel.
Block
จุดเด่นอีกประการหนึ่งคือ Dessa เป็นโมเดลเสียงที่ฝึกฝนจากเสียงพูดล้วนๆ และสามารถรันได้ในเครื่องคอมพิวเตอร์ระดับผู้บริโภค เช่น MacBook M4 Max หรือสเปกที่ดีกว่า อย่างไรก็ตาม ในขณะนี้ยังไม่มีการเปิดให้บุคคลทั่วไปเข้าใช้งาน โดยทาง Block ได้เปิดรับสมัครนักวิจัยด้านความปลอดภัยเพื่อเข้ามาทดสอบโมเดลก่อน เนื่องจากมีความกังวลเกี่ยวกับกรณีที่เอเจนต์เสียงอาจถูกนำไปใช้ในทางที่ผิดเพื่อหลอกลวงผู้อื่น
ที่มา: TechCrunch
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น