Block ra mắt mô hình AI giọng nói mới: Khả năng biểu cảm như người thật

Block, công ty do Jack Dorsey sáng lập, vừa công bố một mô hình AI giọng nói mới mang tên Dessa. Điểm khác biệt lớn nhất của mô hình này là khả năng chạy cục bộ (locally) trên phần cứng phổ thông, đồng thời mang lại trải nghiệm âm thanh cực kỳ chân thực với các biểu cảm như tiếng cười, tiếng thở dài hay quãng nghỉ tự nhiên.

Dessa được thiết kế theo cơ chế full-duplex, cho phép mô hình vừa nghe vừa nói cùng lúc, tương tự như tính năng GPT-Live của OpenAI. Khác với nhiều mô hình hiện nay thường dựa vào các thẻ (tags) để điều khiển cảm xúc trong giọng nói, Block khẳng định cảm xúc đã được tích hợp sẵn vào kiến trúc của Dessa. Điều này giúp khắc phục tình trạng giọng nói AI nghe có vẻ gượng ép hoặc thiếu tự nhiên do quá trình chuyển đổi từ văn bản sang giọng nói (text-to-speech) truyền thống.

Đại diện của Block chia sẻ: “Việc tương tác với các AI giọng nói hiện nay thường không mấy dễ chịu. Chúng chuyển đổi giọng nói thành văn bản, vô tình làm mất đi rất nhiều thông tin quan trọng mà văn bản không thể truyền tải hết. Các AI mạnh mẽ nhất hiện nay vẫn chưa thể ‘nghe’ được cảm xúc của người dùng, và chúng tôi cho rằng điều đó không chỉ làm giảm trải nghiệm mà còn tiềm ẩn những rủi ro nhất định.”

Về mặt kỹ thuật, Dessa có thể vận hành trên các máy tính cá nhân có cấu hình mạnh, chẳng hạn như MacBook trang bị chip M4 Max. Dù vậy, Block hiện chưa mở quyền truy cập công khai cho người dùng phổ thông. Thay vào đó, công ty đang kêu gọi các chuyên gia an ninh mạng và nghiên cứu an toàn tham gia thử nghiệm để đánh giá các rủi ro, đặc biệt là khả năng mô hình này bị lạm dụng để lừa đảo hoặc giả mạo danh tính.

Với việc sở hữu một mô hình AI giọng nói có thể chạy trực tiếp trên thiết bị (on-device), Block kỳ vọng sẽ tối ưu hóa chi phí và nâng cao trải nghiệm cho các giải pháp tài chính của Square, cũng như mở rộng ứng dụng trong các dịch vụ chăm sóc khách hàng và trải nghiệm người dùng trong tương lai.

Nguồn tham khảo: TechCrunch