Block của Jack Dorsey ra Dessa — mô hình giọng nói speech-to-speech được huấn luyện chỉ trên hội thoại con người

Tóm tắt nhanh

• Block (Jack Dorsey) giới thiệu Dessa, một mô hình speech-to-speech được huấn luyện hoàn toàn từ cuộc trò chuyện con người mà không dùng văn bản hay LLM tiền huấn luyện.
• Dessa là full-duplex: nó có thể nghe và nói cùng lúc, cho phép ngắt lời, phản hồi cảm xúc và giữ nhịp tự nhiên trong hội thoại.
• Block đăng các ví dụ demo gồm đoạn trò chuyện gây khó chịu/không ngờ, cuộc chơi đoán qua giọng nói và đối thoại giữa Dessa và GPT-Live-1 của OpenAI.
• Nhóm Dessa nói mô hình học được từ “chính xác giọng nói con người”, nhằm giữ được sắc thái như tiếng cười, do dự, giọng nghẹn và biểu cảm cảm xúc.
• Block cho biết Dessa được huấn luyện trên một hệ thống Nvidia GB200 NVL72 (72 GPU Blackwell), theo NotebookCheck.
• Công ty khẳng định mô hình chạy cục bộ trên MacBook Pro M4 Max (hoặc mạnh hơn) và thời gian suy luận nhanh hơn thời gian thực.
• Block chưa công bố số tham số, trọng số mô hình hay kết quả benchmark chuẩn và Dessa hiện chưa công khai cho người dùng.
• Công ty sẽ cho “một nhóm nhỏ các nhà nghiên cứu an toàn AI” truy cập sớm; có danh sách chờ cho những người khác.
• Block nêu ba lý do tạo Dessa: tò mò/vui, hiểu AI–người tốt hơn và an toàn (phát hiện cảm xúc khi người dùng đang đau đớn).
• Các bản demo là do Block kiểm soát (first-party), và NotebookCheck lưu ý nên xem các đoạn ghi âm này với thái độ thận trọng.

Tóm tắt tự động bằng AI từ 3 nguồn, có thể có sai sót. Hãy kiểm chứng ở bài gốc.