Jack Dorsey की कंपनी Block ने Dessa नाम का नया AI speech model पेश किया है. कंपनी के अनुसार, यह मॉडल बातचीत के दौरान इंसानों की तरह एक साथ सुन और बोल सकता है. इसे full-duplex speech model बताया गया है, यानी उपयोगकर्ता के बोलते समय मॉडल केवल इंतजार नहीं करता, बल्कि बातचीत के प्रवाह के साथ प्रतिक्रिया देने की क्षमता रखता है.
Block के मुताबिक Dessa को पूरी तरह मानव भाषण पर प्रशिक्षित किया गया है. इसका उद्देश्य मौजूदा voice AI सिस्टमों की उस सीमा को दूर करना है, जिनमें बातचीत को पहले टेक्स्ट में बदला जाता है और फिर जवाब तैयार किया जाता है. कंपनी का कहना है कि इस प्रक्रिया में बोलने की गति, उतार-चढ़ाव और आवाज में छिपे भावनात्मक संकेतों का नुकसान हो सकता है.
प्रदर्शित ऑडियो नमूनों में Dessa को एक व्यक्ति के साथ फिल्मों, खासकर Christopher Nolan की फिल्मों पर बातचीत करते हुए दिखाया गया है. उपलब्ध विवरण के अनुसार, मॉडल ने कुछ जगहों पर जानकारी दी और बातचीत को अपेक्षाकृत स्वाभाविक ढंग से आगे बढ़ाया. एक अन्य नमूने में अप्रत्याशित सवाल पर उसकी प्रतिक्रिया में आश्चर्य, उत्साह और शब्द खोजने जैसी आवाज संबंधी विशेषताएं सुनाई गईं.
एक अन्य प्रदर्शन में Dessa और ChatGPT के बीच बातचीत दिखाई गई. इसमें Dessa के prompts, interruptions और सवालों को उसके अधिक संवादात्मक व्यवहार के उदाहरण के तौर पर पेश किया गया. हालांकि, इन प्रदर्शनों से मॉडल की वास्तविक क्षमताओं का स्वतंत्र तकनीकी मूल्यांकन नहीं होता और इनके आधार पर हर परिस्थिति में समान प्रदर्शन का निष्कर्ष नहीं निकाला जा सकता.
Block का दावा है कि Dessa आवाज के लहजे से व्यंग्य, urgency, डर या दर्द जैसे संकेत पहचानने की दिशा में भी काम करता है. कंपनी ने इसे voice AI की safety से जोड़ा है. उसके अनुसार, यदि कोई व्यक्ति गंभीर दर्द या संकट में हो और AI केवल शब्दों को समझे, आवाज के भाव को नहीं, तो यह सुरक्षा संबंधी समस्या बन सकती है.
फिर भी, किसी आवाज में भावनात्मक संकेत पहचानना और उस भावना को वास्तव में समझना अलग-अलग बातें हैं. Dessa का अगला महत्व इस बात पर निर्भर करेगा कि यह तकनीक वास्तविक उपयोग, अलग-अलग बोलियों और कठिन बातचीत में कितनी विश्वसनीय साबित होती है.
