🎙️ Dorseys Block veröffentlicht Dessa, ein KI-Modell für „reine Sprache“: Es kommt ohne Text aus, versteht Emotionen und läuft lokal auf dem Laptop
Laut der Website von Block und einem Bericht von TechCrunch vom 24.10.:
1️⃣ Dessa ist ein Vollduplex-Modell für Sprache-zu-Sprache: Es hört zu und spricht gleichzeitig, fällt ins Wort, stimmt zu und kann Emotionen wie Lachen, Seufzen und Schluchzen erkennen und ausdrücken
2️⃣ Laut dem Unternehmen wurde das Modell von Grund auf trainiert – ausschließlich mit Audio menschlicher Gespräche, ohne Text und ohne vortrainierte Modelle. Für das Training kam nur ein einziger NVIDIA GB200 NVL72 zum Einsatz
3️⃣ Es kann lokal auf einem MacBook Pro mit M4 Max oder höher ausgeführt werden und verarbeitet Sprache schneller als in Echtzeit. Ein öffentlicher Download, eine API oder Preise wurden bisher nicht bekannt gegeben; frühe Bewerbungen sind nur für Sicherheitsforscher möglich (Unite.AI, The Verge)
【Einschätzung】
Gängige Sprach-KI funktioniert nach dem Prinzip „Sprache in Text umwandeln → großes Sprachmodell → wieder in Sprache umwandeln“ – mit hoher Latenz und ohne emotionale Nuancen. Dessa geht einen anderen Weg: direkt auf dem Gerät und mit Sprache als ursprünglichem Eingabe- und Ausgabeformat. Für Block könnten günstigere, lokal ausgeführte Sprachassistenten bei Bestellungen in Square-Läden und im Kundenservice von Cash App zum Einsatz kommen. Das größere Signal: Der KI-Wettbewerb verlagert sich von „mehr Parameter“ hin zu „besseres Interaktionserlebnis und geringere Kosten auf dem Endgerät“. Der Rechenbedarf könnte sich damit von der Cloud auf Endgeräte ausweiten.
【Chancen/Risiken】
✅ Im Blick behalten: KI-Chips für Endgeräte und der Austauschzyklus bei High-End-PCs und Smartphones; die Verbindung von KI-Sprachassistenz im Kundenservice mit Zahlungsszenarien; die Stimmung rund um dezentrale Rechenleistung und KI-Agenten
⚠️ Risiken: Bislang gibt es nur eine Demo, keine Benchmarks und keine öffentlich verfügbaren Modellgewichte. Der „GPT-3-Moment“ ist eine Selbsteinschätzung des Teams. Natürlich klingende emotionale Stimmen könnten zudem Telefonbetrug und Deepfakes begünstigen; eine Regulierung könnte folgen
Würdest du lieber mit einer KI-Stimme chatten, die seufzt und lacht, oder wäre dir das zu menschenähnlich und deshalb eher unheimlich?
#AI #语音AI #端侧AI #Block $BTC $FET
Nur zu Informationszwecken; keine Anlageberatung.
Laut der Website von Block und einem Bericht von TechCrunch vom 24.10.:
1️⃣ Dessa ist ein Vollduplex-Modell für Sprache-zu-Sprache: Es hört zu und spricht gleichzeitig, fällt ins Wort, stimmt zu und kann Emotionen wie Lachen, Seufzen und Schluchzen erkennen und ausdrücken
2️⃣ Laut dem Unternehmen wurde das Modell von Grund auf trainiert – ausschließlich mit Audio menschlicher Gespräche, ohne Text und ohne vortrainierte Modelle. Für das Training kam nur ein einziger NVIDIA GB200 NVL72 zum Einsatz
3️⃣ Es kann lokal auf einem MacBook Pro mit M4 Max oder höher ausgeführt werden und verarbeitet Sprache schneller als in Echtzeit. Ein öffentlicher Download, eine API oder Preise wurden bisher nicht bekannt gegeben; frühe Bewerbungen sind nur für Sicherheitsforscher möglich (Unite.AI, The Verge)
【Einschätzung】
Gängige Sprach-KI funktioniert nach dem Prinzip „Sprache in Text umwandeln → großes Sprachmodell → wieder in Sprache umwandeln“ – mit hoher Latenz und ohne emotionale Nuancen. Dessa geht einen anderen Weg: direkt auf dem Gerät und mit Sprache als ursprünglichem Eingabe- und Ausgabeformat. Für Block könnten günstigere, lokal ausgeführte Sprachassistenten bei Bestellungen in Square-Läden und im Kundenservice von Cash App zum Einsatz kommen. Das größere Signal: Der KI-Wettbewerb verlagert sich von „mehr Parameter“ hin zu „besseres Interaktionserlebnis und geringere Kosten auf dem Endgerät“. Der Rechenbedarf könnte sich damit von der Cloud auf Endgeräte ausweiten.
【Chancen/Risiken】
✅ Im Blick behalten: KI-Chips für Endgeräte und der Austauschzyklus bei High-End-PCs und Smartphones; die Verbindung von KI-Sprachassistenz im Kundenservice mit Zahlungsszenarien; die Stimmung rund um dezentrale Rechenleistung und KI-Agenten
⚠️ Risiken: Bislang gibt es nur eine Demo, keine Benchmarks und keine öffentlich verfügbaren Modellgewichte. Der „GPT-3-Moment“ ist eine Selbsteinschätzung des Teams. Natürlich klingende emotionale Stimmen könnten zudem Telefonbetrug und Deepfakes begünstigen; eine Regulierung könnte folgen
Würdest du lieber mit einer KI-Stimme chatten, die seufzt und lacht, oder wäre dir das zu menschenähnlich und deshalb eher unheimlich?
#AI #语音AI #端侧AI #Block $BTC $FET
Nur zu Informationszwecken; keine Anlageberatung.