Смеётся, перебивает и плачет: необычная голосовая ИИ-модель от создателя Твиттера

Давненько не доводилось вспоминать фильм «Она» – наверное, со времён текста про Sesame AI и их реалистичный голосовой ИИ. В фильме герой Хоакина Феникса разговаривал с компьютером как с живым человеком и постепенно с ним сблизился. Нечто похожее показала компания Block бывшего главы Twitter Джека Дорси. Её новая модель Dessa умеет смеяться, перебивать собеседника, менять интонацию и реагировать на эмоции. Причём, по словам разработчиков, для этого не нужны облачные серверы и модель работает локально – на MacBook Pro с процессором M4 Max.

Интересно и то, как Dessa научилась разговаривать. Модель обучили с нуля на записях человеческих бесед, без текстов и готовых языковых моделей. Она просто много слушала людей. Чем-то напоминает сюжетный ход из фильма «13-й воин», где человек в чужой среде учит язык викингов, просто слушая и наблюдая. В отличие от многих голосовых помощников, Dessa работает непосредственно со звуком: может одновременно слушать и говорить, вставлять короткие реплики, смеяться посреди предложения и реагировать на интонации собеседника. Разработчики пытаются добиться того, чтобы общение с ИИ напоминало обычный человеческий разговор. Примеры диалогов доступны на сайте.

Правда, остаётся только верить им на слово, потому что попробовать Dessa самим (в отличие от упомянутого Sesame) пока нельзя. Block опубликовала лишь демонстрационные записи разговоров, а доступ к модели собирается сначала предоставить исследователям безопасности ИИ. При этом ни одной практической задачи вроде управления приложениями или работы с документами разработчики не показали. Так что есть ощущение, что пока Dessa скорее исследовательский эксперимент Дорси, который славится тягой к таким пет-проектам.