Nhiều giọng nói mô phỏng con người chân thực đến kỳ lạ từ mô hình AI mới của Block

Bluesky thu hút phần lớn sự chú ý của truyền thông khi nhắc đến các dự án ngoài Twitter của ông Jack Dorsey. Do đó, nhiều người có thể quên rằng ông cũng là một trong những nhà phát triển của Square, hệ thống điểm bán hàng (POS) phổ biến sở hữu nhiều công ty con đáng chú ý như Cash App, Afterpay và Tidal. Square đã đổi tên thành Block, Inc. vào năm 2021. Nhằm gia tăng mức độ nhận diện thương hiệu sau khi đổi tên thông qua truyền thông lan tỏa, Block vừa ra mắt một mô hình AI có nhiều điểm khác biệt. Mô hình này có tên là Dessa. Theo thông báo của Block, mô hình được "huấn luyện hoàn toàn từ đầu chỉ dựa trên các cuộc hội thoại của con người". Block khẳng định rằng "việc trò chuyện với Dessa mang lại cảm giác như đang nói chuyện với một con người... với đầy đủ cảm xúc, sắc thái, quãng ngắt và nhịp điệu tự nhiên". Theo đưa tin từ The Verge, Dessa xử lý và tạo âm thanh trực tiếp bằng kiến trúc truyền giọng nói sang giọng nói (speech-to-speech), thay vì chuyển giọng nói đầu vào thành văn bản rồi tạo phản hồi như các mô hình thông thường. Kiến trúc song công (duplex) này cũng cho phép Dessa vừa nói vừa nghe cùng một lúc, giúp hạn chế sự im lặng đột ngột thường thấy ở phần lớn các hệ thống AI khác ngay khi người dùng cất tiếng. Nhận thức được rằng đối với công nghệ này, việc trực tiếp lắng nghe mang tính thuyết phục cao nhất, Block đã công bố một số đoạn âm thanh mẫu ghi lại giọng nói của Dessa để chứng minh năng lực của mô hình. Điển hình là video trên mạng xã hội X do ông Ragavan Thurairatnam, trưởng nhóm phát triển Dessa, đăng tải. Trong video, một thực tập sinh của Block chơi trò chơi đoán đồ vật với mô hình này. Dessa gây bất ngờ khi liên tiếp hai lần đoán đúng đồ vật ngay từ lượt đầu tiên. Tuy nhiên, mô hình cũng bộc lộ hạn chế cố hữu về khả năng hiểu ngữ cảnh khi vẫn tiếp tục đoán dù đã được thông báo chiến thắng. Điểm nổi bật nhất vẫn là giọng nói chân thực đến mức đáng kinh ngạc của Dessa. Trong một video khác trên X do ông Thurairatnam đăng tải, Dessa sử dụng một chất giọng khác với ngữ điệu đặc trưng của một người đàn ông Mỹ gốc Phi. Khi được hỏi thăm, Dessa phản hồi bằng ngôn ngữ giao tiếp đời thường, cho biết bản thân vẫn ổn nhưng cảm thấy mệt mỏi do phải đi làm và thu hoạch nông sản. Mô hình sau đó còn chia sẻ về người con trai mới sinh tên là Darius Johnson, dù chi tiết hư cấu này không hẳn là nguyên nhân dẫn đến sự mệt mỏi được nhắc tới. Bài đăng đã thu hút nhiều luồng ý kiến phản hồi khác nhau từ cộng đồng mạng. Một số video và đoạn ghi âm khác cho thấy phạm vi ngữ điệu và cảm xúc đa dạng của mô hình, bao gồm sự đồng cảm và giọng nghẹn ngào. Khi so sánh trực tiếp, ChatGPT bộc lộ tính chất máy móc rõ rệt trước luồng giọng nói tự nhiên của Dessa. Block cho biết nhóm phát triển Dessa đã cấp quyền tiếp cận sớm cho "một nhóm nhỏ các nhà nghiên cứu về an toàn AI". Mô hình có thể vận hành cục bộ trên các thiết bị MacBook Pro M4 Max trở lên. The AI Brief Bản tin tổng hợp hằng ngày về những tin tức AI cần thiết để bắt đầu ngày mới. Do con người biên soạn. Khiến máy móc ngưỡng mộ. Đăng ký ngay Đội ngũ sáng lập Dessa cho biết mô hình được phát triển xuất phát từ "sự tò mò, mong muốn nâng cao hiểu biết giữa con người và AI", đồng thời giải quyết các vấn đề an toàn phát sinh khi các mô hình AI hiện nay "gần như không thể cảm nhận được cảm xúc trong giọng nói của con người". Định hướng ứng dụng cuối cùng của Block đối với Dessa vẫn cần thêm thời gian để kiểm chứng. Tuy nhiên, khi một mô hình đạt độ chân thực cao như con người được đưa vào thực tế, khả năng nhận biết và phân biệt AI của xã hội chắc chắn sẽ cần phải nâng cao.