Trong phòng nghiên cứu của Block, đội ngũ đã ra mắt mô hình giọng nói Dessa, một mô hình speech‑to‑speech full‑duplex có khả năng nói và nghe đồng thời, giống như các mô hình GPT‑Live của OpenAI. Khác với các mô hình hiện có, Dessa không dựa vào pipeline chuyển văn bản‑giọng mà tích hợp cảm xúc ngay trong quá trình sinh âm thanh.
Dessa được huấn luyện trên một GPU NVIDIA duy nhất, sử dụng toàn bộ dữ liệu giọng nói người thật. Nhờ vậy, mô hình tạo ra các biểu cảm như tiếng cười, ngắt nghỉ, thậm chí tiếng rơi lệ, mang lại cảm giác “đối thoại với người thật”. Các nhà nghiên cứu đã công bố nhiều ví dụ cho thấy bot có thể thay đổi giọng, nhịp điệu và cảm xúc tùy theo ngữ cảnh.
Block khẳng định mô hình có thể chạy locally trên các máy tính tiêu dùng, ví dụ như MacBook M4 Max hoặc các thiết bị có GPU mạnh hơn. Hiện tại, Dessa chưa được công khai, nhưng công ty đã mời các nhà nghiên cứu an toàn thử nghiệm để đánh giá nguy cơ lừa đảo qua giọng nói.
Với khả năng chạy trên thiết bị cá nhân và mang lại trải nghiệm thoại tự nhiên, Dessa hứa hẹn sẽ thúc đẩy việc tích hợp AI thoại vào các dịch vụ tài chính, thương mại và tiêu dùng, giảm chi phí và tăng tính bảo mật cho người dùng Việt Nam.
Nguồn: TechCrunch — Biên dịch & tổng hợp: danhbaai.com