coindesk.com
Jack Dorseys Zahlungsunternehmen Block XYZ$76,45·Markt geschlossen hat ein Voice-AI-Modell vorgestellt, das in Unternehmensdemonstrationen bemerkenswert menschlich klingt. Dies löste Reaktionen aus, die von Erstaunen über die Gesprächsfähigkeiten bis hin zu Warnungen reichen, dass solche Technologien Telefonbetrügereien schwerer erkennbar machen könnten.
Genannt Dessa, Das Modell wurde vollständig auf menschlicher Sprache und nicht auf Text trainiert und kann während des Sprechens zuhören, wodurch es Unterbrechungen, Lachen und Tonänderungen während eines Gesprächs bewältigen kann, so die Ankündigung von Block.
„Mit ihm zu sprechen fühlt sich an, als würde man mit einer Person sprechen… voller Emotionen, Nuancen, Pausen und einem natürlichen Rhythmus,“ sagte Dorsey schrieb auf X.
In einer Demonstration lacht Dessa mitten im Satz; in einer anderen reagiert sie auf eine Überraschung mit dem, was wie echte Emotion klingt. Block erklärt, dass die Gespräche live aufgezeichnet wurden, ohne dass jemand die Antworten des Modells steuerte.
Im Gegensatz zu Systemen, die Sprache zunächst in Text umwandeln, bevor sie eine gesprochene Antwort generieren, verarbeitet Dessa Audio direkt. Block erklärte, dass Dessa von Grund auf mit nur einem einzelnen trainiert wurde.Nvidia GB200 NVL72 Computing-System. Das Modell ist kompakt genug, um lokal auf einem MacBook Pro mit einem M4 Max Chip oder besser ausgeführt zu werden, so die Aussage des Unternehmens.
Dessa ist vorerst eine Forschungs-Vorschau und kein öffentlich verfügbares Produkt.
Schock und Ehrfurcht
Dessas Demo zog schnell Aufmerksamkeit in den sozialen Medien auf sich, wobei einige Nutzer lobten, wie natürlich die Interaktionen klangen.
Nutzer Alexander Hoff sagte er hatte noch nie „etwas Künstliches gehört, das sich so… menschlich anhörte,“ während Benutzerscheu beschrieb es als „reine Science-Fiction.
Binance-Gründer Changpeng „CZ“ Zhao meldete sich ebenfalls zu Wort und verwies auf mögliche Anwendungen im Bildungsbereich, wo natürliche Sprachinteraktionen Kindern beim Lernen durch Konversation helfen könnten.
„Dies könnte sehr vorteilhaft für GiggleAcademy sein. Kindern die aktuelle ‚KI-Stimme‘ beizubringen, war eine Herausforderung“, sagte Zhao schrieb, unter Bezugnahme auf sein Bildungsprojekt.
Doch dieselben menschenähnlichen Eigenschaften, die einige Zuhörer beeindruckten, lösten bei anderen Bedenken hinsichtlich des Täuschungspotenzials der Technologie aus.
Die Filmemacherin Justine Bateman stellte in Frage, warum KI-Stimmen menschlich klingen müssen, und argumentierte, dass dies dazu verwendet werden könnte, Menschen irrezuführen. „So kann man Menschen dazu bringen, ihre Wachsamkeit zu senken,“ sagte sie schrieb.
