Block, yalnızca sesle eğitilen Dessa'yı duyurdu

Jack Dorsey ve Block, tam çift yönlü yeni ses modeli Dessa'yı duyurdu.

Geleneksel modellerin aksine hiçbir metin verisi kullanılmadı. Doğrudan insan konuşmalarıyla eğitilen model, doğal duraklamaları, duygusal tonlamaları ve akıcı konuşma ritmini birebir yakalıyor.

Dessa'nın en çarpıcı yanı donanım verimliliği. Model devasa veri merkezleri yerine yalnızca tek bir Nvidia GB200 NVL72 sunucu rafında eğitildi. Metni sese çeviren ara katmanları tamamen atlayarak doğrudan ses dalgalarıyla çalışması gecikmeyi ve işlem yükünü en aza indiriyor.

Yayınlanan ses örnekleri sesli Turing testinin aşıldığına işaret ediyor. Linus Ekenstam, modelin OpenAI'ın ses çözümlerini geride bıraktığını ve sesin insana mı yoksa makineye mi ait olduğunu ayırt etmenin neredeyse imkânsızlaştığını savunuyor. Etkileşim çıtası tamamen değişti.

Dessa şu an genel kullanıma ya da geliştirici API'sine açılmış değil. Block, modeli şimdilik yalnızca tanıtım örnekleriyle sundu. Tek sunucuda eğitilebilmesi, bu kalitedeki ses modellerinin yerel cihazlara da girebileceğini gösteriyor.