Block का नया AI मॉडल Dessa पूरी तरह से मानव बोलचाल पर प्रशिक्षित है ताकि भावनाएं पकड़ी जा सकें
decoder ·
Square और Cash App की मूल कंपनी ब्लॉक ने डेसा (Dessa) नामक एक नई AI स्पीच मॉडल का परिचय दिया है, जिसे केवल मानव ऑडियो डेटा पर प्रशिक्षित किया गया है, बिना किसी टेक्स्ट इनपुट के। पारंपरिक सिस्टम के विपरीत जो पहले स्पीच को टेक्स्ट में बदलते हैं, डेसा ऑडियो को सीधे प्रोसेस करता है, जिससे यह वास्तविक समय में भावनाओं, व्यंग्य, हंसी और रुकने जैसी बारीकियों को पहचान सकता है। यह मॉडल फुल-डप्लेक्स संचार का समर्थन करता है, जो एक साथ सुनने और बोलने की क्षमता प्रदान करता है। इसका विकास एकल NVIDIA GB200 NVL72 का उपयोग करके किया गया है और यह MacBook Pro M4 Max पर स्थानीय रूप से चल सकता है। ब्लॉक ने जिज्ञासा और सुरक्षा चिंताओं को ध्यान में रखते हुए डेसा बनाया है, ताकि यह समस्या हल की जा सके कि वर्तमान वॉइस AI अक्सर भावनात्मक संकेतों को नजरअंदाज कर देता है। कंपनी अभी किसी भी सार्वजनिक रिलीज से पहले अप्रत्याशित जोखिमों के लिए इस मॉडल का परीक्षण करने के लिए AI सुरक्षा शोधकर्ताओं की तलाश में है। यह विकास प्रतिस्पर्धियों जैसे Hume AI, Kyutai और OpenAI द्वारा वॉइस इंटरफेस में भावनात्मक बुद्धिमत्ता को बढ़ाने की पिछली कोशिशों के बाद आया है।
decoder