Block của Jack Dorsey ra mắt Dessa — mô hình AI speech-to-speech học chỉ từ hội thoại người

Tóm tắt nhanh

• Block giới thiệu Dessa, mô hình AI speech-to-speech được huấn luyện “từ đầu” chỉ trên hội thoại con người, không dùng văn bản hay mô hình ngôn ngữ tiền huấn luyện.
• Dessa có thể nghe và nói đồng thời (full-duplex), cho phép ngắt lời, phản hồi cảm xúc và giữ nhịp tự nhiên trong hội thoại.
• Các đoạn demo do Block chia sẻ cho thấy Dessa đôi khi gây cảm giác kỳ quặc nhưng có phản hồi tự nhiên, ví dụ nhầm tên người là “Ronaldo” hoặc bật cười giữa câu.
• Website của Dessa trình bày nhiều cuộc hội thoại mẫu, gồm trò chơi đoán lời qua giọng nói, trao đổi về phim Christopher Nolan và một đoạn với GPT-Live-1 của OpenAI.
• Block khẳng định Dessa học mọi thứ từ audio con người, nhận diện sắc thái như mỉa mai, do dự, tiếng cười và thay đổi cảm xúc mà pipeline speech-to-text thường bỏ qua.
• Công ty nói Dessa được huấn luyện trên một hệ thống Nvidia GB200 NVL72 với 72 GPU Blackwell, và inference chạy nhanh hơn thời gian thực.
• Block cho biết Dessa có thể chạy cục bộ trên MacBook Pro M4 Max hoặc mạnh hơn, với khả năng phản hồi không gây độ trễ đáng chú ý.
• Dessa chưa công bố tham số mô hình, trọng số hay kết quả benchmark chuẩn; hiện chỉ mở sớm cho “một nhóm nhỏ các nhà nghiên cứu an toàn AI”.
• Block nêu ba lý do phát triển: tò mò/giải trí, hiểu biết tốt hơn giữa con người và AI, và an toàn (nhận diện cảm xúc để ứng xử phù hợp).
• Các bản demo là do Block công bố (first-party); NotebookCheck lưu ý các bản ghi cần được xem xét thận trọng và có danh sách chờ cho người khác muốn truy cập.

Tóm tắt tự động bằng AI từ 2 nguồn, có thể có sai sót. Hãy kiểm chứng ở bài gốc.