بلوك تكشف عن ديسا: نموذج صوتي ثنائي الاتجاه يعمل محلياً على وحدات معالجة المستهلكين

أصدر مختبر أبحاث بلوك نموذج ديسا، وهو نموذج تحويل كلام إلى كلام ثنائي الاتجاه يعمل محلياً على أجهزة المستهلكين مثل وحدات معالجة NVIDIA أو MacBook M4 Max. على عكس خطوط المعالجة التقليدية التي تحول الكلام إلى نص، وتعالجه بنموذج لغوي كبير، ثم تولد الكلام، تم تدريب ديسا من طرف إلى طرف على المحادثات البشرية الخام. النتيجة نموذج يضحك، يتردد، يبكي، ويطابق الإيقاع في الوقت الفعلي، وكل ذلك دون علامات عاطفية صريحة.

لماذا يهم هذا البنية التحتية لوحدات معالجة الرسوم / الذكاء الاصطناعي

يوضح ديسا أن التفاعل الصوتي عالي الدقة والوعي العاطفي لم يعد يتطلب عناقيد ضخمة في مراكز البيانات. من خلال وضع نموذج ثنائي الاتجاه على وحدة معالجة رسوم مستهلك واحدة، تنقل بلوك ملف التكلفة وزمن الاستجابة للذكاء الاصطناعي الصوتي نحو النشر على الحافة. لعملاء AiGpu، هذا يشير إلى فئة متزايدة من أعباء العمل — تحويل الكلام إلى كلام في الوقت الفعلي — التي يمكن خدمتها بكفاءة على مسرعات متوسطة المدى، مما يقلل كل من النفقات الرأسمالية وزمن الاستجابة ذهاباً وإياباً للتطبيقات في التمويل، التجزئة، ودعم العملاء.

تؤكد بلوك على السلامة وفتحت باباً للباحثين لاختبار النموذج قبل أي إصدار عام. تستخدم الشركة بالفعل الذكاء الاصطناعي الصوتي لأنظمة طلبات Square؛ ونموذج محلي مثل ديسا يمكن أن يوسع هذه القدرات للبيئات غير المتصلة أو الحساسة للخصوصية مع تقليل تكاليف الاستدلال السحابي.