Mô hình giọng nói mới của Block có âm thanh giống con người đến mức kỳ lạ

Công ty Block của ông Jack Dorsey vừa giới thiệu một mô hình giọng nói mới từ phòng nghiên cứu của công ty. Mô hình này có thể vận hành cục bộ trên thiết bị và thể hiện sự chân thực đáng kinh ngạc thông qua các biểu cảm như cười, ngập ngừng và khóc. Công ty cho biết mô hình mang tên Dessa, được huấn luyện hoàn toàn dựa trên dữ liệu giọng nói của con người và chỉ sử dụng một tủ máy chủ GPU NVIDIA. Dessa là mô hình song công toàn phần (full-duplex), đồng nghĩa với việc có thể nói và nghe cùng một lúc, tương tự như mô hình GPT-Live được OpenAI công bố hồi đầu năm nay. Thông thường, các mô hình giọng nói được kết hợp với một mô hình ngôn ngữ lớn để truy xuất kiến thức. Tuy nhiên, Block cho biết tri thức của Dessa bắt nguồn trực tiếp từ dữ liệu đàm thoại mà mô hình tiếp nhận. Chúng tôi tin rằng giọng nói là phương thức tự nhiên nhất để tương tác với trí tuệ nhân tạo, vì vậy chúng tôi đã tạo ra Dessa, mô hình giọng nói song công toàn phần chân thực nhất từ trước đến nay. Việc trò chuyện với mô hình mang lại cảm giác như đang đối thoại với một con người… tràn đầy cảm xúc, sắc thái, những khoảng ngắt nghỉ và nhịp điệu tự nhiên. https://t.co/r0qFLdvd6c — jack (@jack) Ngày 23/10/2026 Block cho biết các mô hình hiện nay thường thiếu tự nhiên và gây khó chịu do phải thông qua quy trình xử lý văn bản trung gian để tạo giọng nói. Nhiều mô hình như ElevenLabs v4 hay Fish Audio Drama 3 phải sử dụng các thẻ giọng nói để điều hướng cảm xúc. Doanh nghiệp của ông Dorsey khẳng định yếu tố cảm xúc đã được tích hợp sẵn trong mô hình Dessa, dù hiện vẫn chưa rõ liệu cảm xúc này có chịu sự điều hướng của hệ thống gắn thẻ nào hay không. “Việc tương tác với các hệ thống AI giọng nói hiện nay có thể mang lại trải nghiệm rất tệ. Hệ thống chuyển giọng nói của người dùng thành văn bản và làm mất đi một lượng thông tin khổng lồ mà văn bản thuần túy không thể truyền tải. Những hệ thống AI mạnh nhất thế giới hiện nay vẫn không thể nghe và hiểu cảm xúc của con người. Chúng tôi nhận thấy điều này là bất hợp lý, làm giảm chất lượng trải nghiệm và tiềm ẩn nhiều rủi ro”, công ty nêu rõ trong một bài viết. Các nhà nghiên cứu của Block đã đăng tải nhiều ví dụ về các cuộc trò chuyện với Dessa, trong đó trợ lý ảo thể hiện các tông giọng, nhịp điệu và cảm xúc khác nhau. Cụ thể, trong một cuộc hội thoại, khi phản hồi rằng bản thân đang mệt mỏi vì công việc, giọng nói của mô hình cũng thể hiện rõ sự mệt mỏi tương ứng. Chúng tôi đã tạo ra mô hình AI đầu tiên cho phép đối thoại chân thực và được huấn luyện hoàn toàn bằng dữ liệu giọng nói! Dessa là mô hình chuyển đổi giọng nói sang giọng nói song công toàn phần, có khả năng vận hành trên các GPU tiêu dùng phổ thông. Đây là bước ngoặt mang tính lịch sử đối với lĩnh vực giọng nói, tương tự như thời điểm xuất hiện của GPT-3. pic.twitter.com/XVD8sSyJn8 — Ragavan Thurairatnam (@RagavanThurair) Ngày 23/10/2026 Trong ví dụ dưới đây, trợ lý ảo trò chuyện về việc đối phương khiến mình cảm thấy thoải mái với ngữ điệu xúc động và như sắp bật khóc. Dessa = mô hình giọng nói song công toàn phần và Con người = tôi, https://t.co/1eI6QFHo1w pic.twitter.com/zlZfxH2BA5 — Aydin Polat (@AydinPolatDessa) Ngày 23/10/2026 Một ví dụ khác ghi lại cảnh một thành viên thuộc đội ngũ Block chơi trò chơi cùng trợ lý giọng nói này. Dành cho niềm đam mê trò chơi. Hãy theo dõi Cara tham gia trò chơi đoán chữ cùng Dessa. Mô hình đã đưa ra câu trả lời chính xác ngay từ câu đầu tiên, và câu thứ hai cũng được giải đáp rất nhanh chóng. https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA — Block (@blocks) Ngày 23/10/2026 Block cho biết mô hình có thể vận hành cục bộ trên các máy tính cá nhân phổ thông như MacBook M4 Max hoặc các dòng máy có cấu hình tương đương trở lên. Tuy nhiên, hiện Dessa vẫn chưa được phát hành rộng rãi ra công chúng. Block đang kêu gọi các chuyên gia nghiên cứu an toàn tham gia thử nghiệm mô hình, nhằm đánh giá nguy cơ trợ lý giọng nói có thể bị lợi dụng để đánh lừa người đối thoại. Block hoạt động chủ yếu trong lĩnh vực tài chính và cung ứng các giải pháp cho doanh nghiệp nhỏ. Trước đó, nền tảng Square của công ty đã triển khai AI giọng nói để tiếp nhận đơn hàng. Việc sở hữu một mô hình giọng nói riêng có khả năng vận hành trực tiếp trên thiết bị sẽ giúp công ty tối ưu hóa chi phí và nâng cao trải nghiệm cho khách hàng cũng như doanh nghiệp. Chủ đề AI, Block, Jack Dorsey, voice AI Khi độc giả mua hàng qua các liên kết trong bài viết, tòa soạn có thể nhận được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập biên tập của chúng tôi. Ivan Mehta Ivan theo dõi và đưa tin về các diễn biến công nghệ tiêu dùng toàn cầu tại TechCrunch. Phóng viên thường trú tại Ấn Độ và từng làm việc cho các cơ quan báo chí bao gồm Huffington Post và The Next Web. Độc giả có thể liên hệ hoặc xác thực thông tin từ Ivan qua thư điện tử [email protected] hoặc qua tin nhắn mã hóa tới ivan.42 trên Signal. Xem tiểu sử Ngày 4/11 Boston Mua một vé, tặng một vé Mở rộng phạm vi tiếp cận tại chương trình đào tạo nhà sáng lập quy mô nhất trong năm của TechCrunch bằng cách đi cùng nhà đồng sáng lập hoặc đối tác miễn phí Đặt vé trước khi chương trình ưu đãi kết thúc Đăng ký ngay Đọc nhiều nhất Warhound huy động 200 triệu USD để phát triển chó chiến đấu và trang bị khí tài của Anduril Dominic-Madori Davis Uber triển khai ChatGPT Work cho toàn bộ 30.000 nhân viên Lucas Ropek Airbnb giới hạn yêu cầu việc nhà đối với khách, gây phản ứng dữ dội từ các chủ nhà Lauren Forristal Phòng nghiên cứu AI một năm tuổi Flapping Airplanes huy động 1 tỷ USD với mức định giá 6 tỷ USD Julie Bort Tesla bắt đầu sản xuất robot Optimus tại California khi lợi nhuận giảm 43% Kirsten Korosec Sean O'Kane Hệ thống internet trải qua ngày tồi tệ về an ninh mạng Sarah Perez Người dùng đang sử dụng AI để biến TV thông minh trở lại thành TV thông thường Sarah Perez