Block kompaniyasining Dessa ovoz modeli: mahalliy qurilmalarda insoniy ifodalar

Sun'iy intellekt sohasida ovoz texnologiyalari yildan-yilga yanada tabiiy va interaktiv bo'lib bormoqda. Block kompaniyasining yaqinda e'lon qilgan Dessa modeli esa bu tendensiyani yangi darajaga olib chiqadi: u nafaqat matnni nutqqa aylantiradi, balki kulgu, tanaffus, hatto yig‘lash kabi insoniy ifodalarni ham o'z ichiga oladi.

Dessa modelining kelib chiqishi va asosiy maqsadi

Block, avvalgi Square brendi bilan tanilgan, moliyaviy xizmatlar va kichik biznes yechimlari bo'yicha tanilgan kompaniya, o'z tadqiqot laboratoriyasida yangi ovoz modelini yaratdi. Model Dessa nomi bilan ataladi va butunlay inson nutqidan o'rganilgan. Boshqa ko'plab ovoz sintezatorlari kabi katta til modellari bilan birgalikda ishlashni talab qilmaydi; u birgina NVIDIA GPUda, hatto iste'molchi darajasidagi kompyuterda ham ishga tushadi.

Texnik tafsilotlar: full-duplex va mahalliy ishlash

Dessa "full-duplex" arxitekturaga ega, ya'ni u bir vaqtning o'zida gapirishi va tinglashi mumkin. Bu xususiyat OpenAI tomonidan bir necha oy oldin taqdim etilgan GPT‑Live modeliga o'xshash, ammo Block modeli o'z ichida his-tuyg'ularni ham kodlaydi. Modelning o'qitilishi jarayonida faqat inson nutqi ma'lumotlari ishlatilgan, shuning uchun u matn asosidagi emotsiya belgilari (voice tags) kabi qo'shimcha signallarni talab qilmaydi.

• Mahalliy ishga tushirish: MacBook M4 Max yoki undan yuqori darajadagi qurilmalarda real‑vaqt rejimida ishlaydi.
• Bir GPU talab: NVIDIA GPU yordamida o'qitilgan, shu bilan birga inference (ishga tushirish) ham bir GPUda amalga oshiriladi.
• Full‑duplex: Ovozli suhbatda bir vaqtning o'zida tinglash va javob berish imkoniyati.
• Emotsional kontekst: Kulgu, tanaffus, charchash, hatto yig‘lash kabi ifodalar avtomatik ravishda yaratiladi.

Raqobatchilar bilan taqqoslash

Bozorda ElevenLabs v4, Fish Audio Drama 3 kabi ovoz sintezatorlari keng tarqalgan. Ular matnga asoslangan emotsiya belgilari (voice tags) orqali his-tuyg'ularni qo'shadi. Boshqa tomondan, Dessa bu belgilarga ehtiyoj sezmaydi; model o'z ichida his-tuyg'ularni kodlaydi. Bu yondashuv ikki jihatdan ahamiyatli: birinchidan, foydalanuvchi uchun interfeys soddalashadi, ikkinchidan, modelning chiqishi yanada organik va kontekstga mos bo'ladi.

Shuningdek, OpenAI ning GPT‑Live modeli ham full‑duplex imkoniyatini taklif etadi, lekin u katta til modeli bilan birgalikda ishlaydi, natijada hisoblash resurslari ko'proq talab qilinadi. Dessa esa mustaqil, kichik o'lchamli model bo'lib, mahalliy qurilmalarda samarali ishlashga mo'ljallangan.

Cheklovlar va ochiq savollar

Hozirgi vaqtda Dessa ommaga ochiq emas; Block xavfsizlik tadqiqotchilarini modelni sinab ko'rishga chaqirgan. Bu chaqiriq bir nechta muhim savollarni ko'taradi:

• Modelni noto'g'ri maqsadlarda, masalan, manipulyatsiya yoki aldash uchun ishlatish ehtimoli qanday?
• Mahalliy qurilmada ishlash xavfsizligi – foydalanuvchi ma'lumotlari qanday himoyalanadi?
• Emotsional javoblar qanday darajada nazorat qilinadi, ya'ni model o'zini “yig‘lay” yoki “kulib” bo‘lishi foydalanuvchi tajribasiga qanday ta'sir qiladi?

Block bu savollarga javob topish uchun xavfsizlik tadqiqotchilariga modelni sinab ko'rishni taklif qilmoqda. Bu yondashuv sanoatdagi “responsible AI” (mas'uliyatli sun'iy intellekt) tamoyillariga mos keladi.

Biznes va iste'molchi tajribasiga ta'siri

Block asosan moliyaviy xizmatlar va kichik biznes yechimlari bilan shug'ullanadi. Square platformasida ovozli buyurtmalarni qabul qilish uchun AI ishlatiladi. Dessa kabi mahalliy ishlaydigan model esa bu jarayonni yanada arzon va tezkor qilishga yordam beradi, chunki ma'lumotlar serverga uzatilmaydi, shu bilan birga kechikishlar kamayadi.

Kelajakda, bu texnologiya quyidagi sohalarda qo‘llanilishi mumkin:

• Mahalliy mijoz xizmatlari – mijozlar bilan real‑vaqt, emotsional suhbatlar.
• Ta'lim platformalari – o‘qituvchilar va talabalarning ovozli interaktiv darslari.
• Ko‘ngilochar ilovalar – o‘yinlar va virtual yordamchilarni yanada jonli qilish.

Mahalliy qurilmada ishlash, shuningdek, foydalanuvchi maxfiyligini himoya qilishga yordam beradi, chunki ovozli ma'lumotlar bulutga yuborilmaydi.

Kelajakda qanday rivojlanishlar kutilmoqda?

Dessa modeli hali ommaga ochiq bo‘lmaganligi sababli, uning aniq texnik spetsifikatsiyalari va samaradorligi haqida ma'lumotlar cheklangan. Biroq, Blockning blog postida aytilganidek, “hozirgi ovozli AI foydalanuvchining his-tuyg‘ularini eshitmaydi, bu xavfli” degan nuqtai nazar, kelajakda yanada insoniy, kontekstga mos ovozli agentlar yaratilishiga turtki bo‘lishi mumkin.

Texnologik jamoalar bu yo‘nalishda quyidagi yo‘nalishlarga e'tibor qaratishlari kutiladi:

• Modelni kichikroq, energiya tejaydigan qurilmalarga moslashtirish.
• Emotsional javoblarni foydalanuvchi nazorati ostida boshqarish mexanizmlari.
• Modelni turli tillar va madaniy kontekstlarga moslashtirish.

Bu yo‘nalishlar nafaqat texnik, balki etik jihatdan ham muhim, chunki ovozli AI insonlar bilan yanada yaqin aloqada bo‘lishi mumkin.

Xulosa

Dessa modeli Block kompaniyasining ovozli sun'iy intellekt sohasidagi ambitsiyali qadamidir. Mahalliy qurilmalarda ishlash, full‑duplex imkoniyat va ichki emotsional kodlash kabi xususiyatlari uni hozirgi bozordagi raqobatchilardan ajratib turadi. Hozirgi bosqichda model ommaga ochiq bo‘lmasa-da, xavfsizlik tadqiqotchilarini jalb qilish orqali Block mas'uliyatli AI rivojlanishiga intilayotganini ko‘rsatadi. Kelajakda bu texnologiya moliyaviy xizmatlardan ta'limga, ko‘ngilochar ilovalargacha keng qo‘llanilishi mumkin, shu bilan birga foydalanuvchi maxfiyligi va etik me'yorlarga ham e'tibor qaratiladi.

Manba: TechCrunch