Подарок телефонным мошенникам: компания основателя Twitter создала ИИ, который говорит как живой человек
Aleksandr Manin
Block — финтех-компания сооснователя Twitter Джека Дорси (Jack Dorsey), которой принадлежат сервисы Square и Cash App, — представила голосовую ИИ-модель Dessa. Её главное отличие в том, что она работает с речью напрямую. Обычный голосовой ассистент действует по цепочке «речь → текст → нейросеть → текст → речь», и на каждом шаге теряются интонации и эмоции. Dessa же слышит голос и сразу отвечает голосом.
Модель обучили с нуля только на записях человеческих разговоров — без текста и без готовых нейросетей. По словам разработчиков, язык Dessa выучила на материале в сотни раз меньшем, чем у текстовых моделей, а для обучения хватило одного вычислительного комплекса NVIDIA GB200 NVL72. Запустить её можно локально, на MacBook Pro с чипом M4 Max или более мощном устройстве.
Dessa работает в режиме полного дуплекса, то есть слушает и говорит одновременно. В демонстрациях она:
- перебивает собеседника и вставляет короткие реакции вроде «угу», показывая, что слушает;
- сама решает, когда вступить в разговор и что сказать;
- распознаёт и передаёт эмоции — сарказм, смех, раздражение и грусть;
- делает паузы и держит естественный темп беседы.
Сам Дорси представил модель в посте, который набрал больше 6,7 млн просмотров:
Мы считаем, что голос — самый естественный способ взаимодействовать с интеллектом, поэтому создали Dessa — самую аутентичную полнодуплексную речевую модель из когда-либо созданных.
В опубликованных роликах Dessa звучит заметно живее голосовой модели OpenAI GPT-Live-1, на её фоне ассистент OpenAI, по отзывам журналистов, напоминает вежливого оператора, который читает по бумажке. Но и без неловкостей не обошлось: в одном из демо модель приняла собеседника за некоего Роналду.
Разработала Dessa небольшая лаборатория внутри Block, которую основали выходцы из торонтского стартапа Dessa, — отсюда и название. Руководит ею Рагаван Турайратнам (Ragavan Thurairatnam), а подчиняется команда напрямую Дорси. В открытый доступ модель пока не выложили: это исследовательская предварительная версия с листом ожидания, и первыми доступ получат специалисты по безопасности ИИ. В Block признают, что такая технология открывает новые риски. И нетрудно представить, как ей обрадуются телефонные мошенники, которые уже сейчас подделывают голоса родственников своих жертв.
А вам часто звонят мошенники или для опросов населения? Поделитесь в комментариях странными случаями.
