北京
一个AI模型，训练数据里没有一个字，只有人类说话的声音。结果它聊起天来，偶尔会把你认成别人，偶尔又突然拐到一部你根本没提过的电影上。
这就是杰克·多尔西（Jack Dorsey）旗下Block公布的AI模型Dessa。按Block的说法，这个模型“从零开始，只用人际对话训练”。为了展示效果，Block放出了它和人类聊天的记录——有些片段自然得像老熟人，有些则透着一股说不清的别扭。
Dessa项目负责人拉加万·图莱拉特南（Ragavan Thurairatnam）分享了一段对话。模型和说话人之间基本能一来一回，但开头它莫名其妙把对方认成了一个叫“罗纳尔多”的人。另有一段视频里，Dessa在和人类玩猜谜游戏，全程用语音。
Dessa官网上还挂着几个例子：一段围绕克里斯托弗·诺兰（Christopher Nolan）电影的来回讨论，聊着聊着Dessa跑题跑到了布莱恩·辛格（Bryan Singer）执导的超人电影上；一个人告诉Dessa要带它去巴黎来一趟惊喜旅行，按官网的描述，Dessa“随后用听起来像带着泪意的感激作了回应”；还有一段是OpenAI的GPT-Live-1语音模型和Dessa对聊，对比之下Dessa显得更自然。
官网对Dessa的定位说得很直接：它是一个“真正的语音到语音模型，它知道的一切都来自人类语音”，并且能在MacBook Pro M4 Max“或更高配置”上本地运行。
至于为什么要做这个东西，团队给了三个理由：好奇心（也就是好玩）、让人和AI之间更好地相互理解、以及安全。他们对此做了进一步解释：
- 婴儿学说话时从没看过一个写下来的字。他们想看看模型能不能也这样学会说话。结论是能，只是非常难。
- 语音是通往任何智能——超级的或其他的——最自然的接口，而今天的语音AI在浪费它：把你说的话压平成文本，还跟不上人类的节奏。
- AI的力量和自主性一直在涨，却几乎听不见我们声音里的情绪。设想一个人正疼得厉害，语音AI毫无察觉，继续往下说——这就是安全问题。Dessa是朝着解决它迈出的一步。
团队表示，将向“一小批AI安全研究人员”开放该模型的早期访问权限。
回到那些对话本身。一个只听过人说话、没读过一行字的模型，能接住话头，也会认错人、跑错题。它离“好用”还有距离，但它展示的路径和主流语音AI不太一样——后者先把语音转成文字，再生成回答；Dessa想跳过这一步。
至于这条路能走多远，团队自己的说法是：能，只是非常难。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
