ब्लॉक का नया वॉइस मॉडल डेसा इंसान जैसा लगता है, जो या तो प्रभावशाली है या डरावना

जैक डोर्सी की कंपनी ब्लॉक ने अपनी रिसर्च लैब से एक नया वॉइस मॉडल पेश किया है, और यह बेहद इंसानी लगता है - हंसी, ठहराव और रोने के साथ। डेसा नाम का यह मॉडल लोकली चलता है और पूरी तरह से मानव भाषण और एक सिंगल NVIDIA GPU रैक पर प्रशिक्षित है। क्योंकि "प्रामाणिक मानवीय भावना" का कोई और तरीका नहीं है सिवाय GPU के ढेर के।\n\nडेसा एक फुल-डुप्लेक्स मॉडल है, यानी यह एक साथ बोल और सुन सकता है, ठीक उसी तरह जैसे इस साल की शुरुआत में रिलीज़ हुआ OpenAI का GPT-Live मॉडल। आमतौर पर, स्पीच मॉडल्स को ज्ञान प्राप्ति के लिए एक बड़े भाषा मॉडल के साथ जोड़ा जाता है, लेकिन ब्लॉक का दावा है कि डेसा का ज्ञान उस संवादात्मक डेटा से आता है जिस पर इसे प्रशिक्षित किया गया है। तो यह सिर्फ एक सुंदर आवाज़ नहीं है - यह एक सुंदर आवाज़ है जो शायद असल में कुछ जानती भी है।\n\nब्लॉक का तर्क है कि मौजूदा मॉडल अप्राकृतिक और चिढ़ाने वाले लगते हैं क्योंकि उनके पाइपलाइन में टेक्स्ट होता है जो भाषण उत्पन्न करता है। कई मॉडल, जैसे ElevenLabs v4 या Fish Audio Drama 3, भावना को नियंत्रित करने के लिए वॉइस टैग का उपयोग करते हैं। डोर्सी की कंपनी का दावा है कि भावना डेसा में अंतर्निहित है - हालांकि यह स्पष्ट नहीं है कि वह भावना किसी तरह के टैग से नियंत्रित हो रही है या नहीं। यह ऐसा है जैसे कहें कि आपकी कार में खुशी अंतर्निहित है, लेकिन स्माइली-फेस एयर फ्रेशनर का ज़िक्र न करें।\n\nकंपनी ने एक ब्लॉग पोस्ट में कहा, "मौजूदा वॉइस AI के साथ बातचीत करना बिल्कुल बकवास हो सकता है," कॉर्पोरेट ईमानदारी के एक दुर्लभ क्षण में। "यह आपकी आवाज़ को टेक्स्ट में बदल देता है और जानकारी की एक अविश्वसनीय मात्रा को फेंक देता है जो अकेले टेक्स्ट नहीं ले जा सकता। दुनिया के सबसे शक्तिशाली AI यह नहीं सुन सकते कि आप कैसा महसूस कर रहे हैं। हमें लगता है कि यह बेतुका है, इससे अनुभव खराब होता है, और यह संभावित रूप से खतरनाक है।" ब्लॉक की बात में दम है: एक AI जो यह नहीं बता सकता कि आप परेशान हैं, वह सिर्फ एक फैंसी चैटबॉट है जिसके कान बजते हैं।\n\nकंपनी के शोधकर्ताओं ने डेसा के साथ बातचीत के कई उदाहरण पोस्ट किए, जहां एजेंट ने अलग-अलग आवाज़ें, लय और भावनाएं प्रदर्शित कीं। एक में, बॉट ने कहा कि वह काम से थक गया है - और थका हुआ लगा। भूमिगत बात: एक AI जो हमारी तरह अपनी नौकरी की शिकायत कर सकता है। एक अन्य उदाहरण में बॉट ने किसी व्यक्ति के बारे में बात की जो उसे सहज बनाता है, और भावुक लगते हुए लगभग टूट गया। आखिरकार, एक AI जो बिना थेरेपिस्ट के भावनात्मक टूटन का अनुभव कर सकता है।\n\nब्लॉक का कहना है कि डेसा एक उपभोक्ता-ग्रेड कंप्यूटर जैसे MacBook M4 Max या बेहतर पर लोकली चल सकता है। हालांकि, इस समय कोई सार्वजनिक पहुंच नहीं है, और ब्लॉक ने सुरक्षा शोधकर्ताओं को मॉडल का परीक्षण करने के लिए बुलाया है - संभवतः उन मामलों की जांच के लिए जहां एक वॉइस एजेंट दूसरे छोर पर लोगों को धोखा दे सकता है। क्योंकि इंसान जैसा लगने वाले AI से डरावनी चीज सिर्फ एक ऐसा AI है जो इंसान जैसा लगता है और आपको ठगने की कोशिश कर रहा है।\n\nब्लॉक वित्त और छोटे व्यवसायों को समाधान बेचने के व्यवसाय में है। स्क्वायर पहले से ही ऑर्डर लेने के लिए वॉइस AI का उपयोग करता है, लेकिन अपने स्वयं के ऑन-डिवाइस वॉइस मॉडल के साथ, ब्लॉक कम लागत पर बहुत अधिक व्यावसायिक और उपभोक्ता अनुभवों को शक्ति दे सकता है। तो अगली बार जब आप स्क्वायर के माध्यम से कॉफी ऑर्डर करें, तो आश्चर्यचकित न हों अगर बरिस्ता थोड़ा बहुत इंसानी लगे - और थोड़ा बहुत थका हुआ।