رونمایی جک دورسی از هوش مصنوعی صوتی دسا با قابلیت مکالمه صوتی بسیار طبیعی‌تر

کمپانی بلاک (Block) تحت مدیریت جک دورسی (Jack Dorsey)، از یک مدل هوش مصنوعی صوتی پیشرفته به نام دسا (Dessa) رونمایی کرد که توانایی مکالمه‌ای فوق‌العاده طبیعی و بسیار شبیه به انسان ارائه می‌دهد. این مدل نوآورانه برخلاف ساختارهای پیشین، مستقیماً داده‌های صوتی را پردازش می‌کند و می‌تواند هنگام صحبت کردن، واکنش‌های مخاطب مانند خنده، تغییر لحن و وقفه در کلام را فوراً درک کرده و مدیریت کند.

طبق توضیحات کمپانی بلاک، این مدل بدون نیاز به تبدیل گفتار به متن آموزش دیده و به قدری بهینه است که می‌تواند به صورت محلی بر روی یک لپ‌تاپ مک‌بوک پرو مجهز به تراشه M۴ Max اجرا شود. در نمایش‌های زنده، دسا با احساسات واقعی پاسخ می‌دهد و حتی در میانه جملات می‌خندد. با این حال، این فناوری در حال حاضر صرفاً در قالب یک پروژه تحقیقاتی ارائه شده و موجود عموم نیست.

جک دورسی در حساب رسمی خود در ایکس نوشت:

صحبت با این مدل درست مانند گفت‌وگو با یک انسان واقعی است؛ سرشار از احساسات، تفاوت‌های ظریف کلامی، مکث‌ها و ریتمی کاملاً طبیعی.

از پتانسیل‌های آموزشی تا هشدار راجع به تماس‌های فریبکارانه

رونمایی از این هوش مصنوعی واکنش‌های متفاوتی را به دنبال داشت؛ چانگ پنگ ژائو (Changpeng Zhao)، بنیان‌گذار صرافی بایننس (Binance)، با استقبال از این فناوری بر پتانسیل آن در ارتقای پروژه‌های آموزشی نظیر گیگل آکادمی (Giggle Academy) تأکید کرد. در مقابل، تحلیل‌گران نسبت به سوءاستفاده‌های احتمالی هشدار دادند و معتقدند صداهای مصنوعی بسیار طبیعی می‌توانند ابزاری خطرناک برای فریب افراد و جهش بزرگ کلاهبرداری‌های تلفنی باشند.