🎙️ Block, la société de Dorsey, dévoile Dessa, un modèle d’IA « entièrement vocal » : il comprend les émotions sans passer par le texte et peut fonctionner localement sur un ordinateur portable
Selon le site officiel de Block et un article de TechCrunch du 24/10 :
1️⃣ Dessa est un modèle vocal de bout en bout, en duplex intégral : il écoute et parle simultanément, peut intervenir et acquiescer, et sait reconnaître et exprimer des émotions comme le rire, les soupirs ou les sanglots
2️⃣ L’entreprise affirme que le modèle a été entraîné à partir de zéro, uniquement avec des enregistrements de conversations humaines, sans texte ni modèle pré-entraîné. L’entraînement n’a nécessité qu’un seul système NVIDIA GB200 NVL72
3️⃣ Il peut fonctionner localement sur un MacBook Pro M4 Max ou un modèle supérieur, avec une inférence plus rapide que le temps réel. Aucun téléchargement, accès à une API ni tarif n’a été annoncé pour l’instant ; seules les personnes menant des recherches en sécurité peuvent demander un accès anticipé (Unite.AI, The Verge)
【Analyse】
Les systèmes d’IA vocale dominants suivent le schéma « conversion de la parole en texte → grand modèle de langage → reconversion en parole » : la latence est élevée et les émotions disparaissent complètement. Dessa emprunte une autre voie : traitement natif de la voix sur l’appareil. Pour Block, des agents vocaux locaux moins coûteux pourraient servir à prendre les commandes dans les points de vente Square ou à répondre aux clients de Cash App. Le signal plus important est que la concurrence en IA passe de la « course aux paramètres » à la « qualité de l’interaction et au coût du traitement sur l’appareil », tandis que la demande en puissance de calcul pourrait se déplacer du cloud vers les appareils des utilisateurs.
【Opportunités/risques】
✅ À surveiller : les puces d’IA embarquée et le renouvellement des PC et smartphones haut de gamme, l’association du service client vocal par IA aux paiements, ainsi que le sentiment autour du calcul décentralisé et des agents d’IA
⚠️ Risques : pour l’instant, il n’y a qu’une démonstration, sans résultats de référence ni poids accessibles au public ; le « moment GPT-3 » est une appréciation de l’équipe elle-même. Des voix émotionnelles très réalistes pourraient aussi favoriser les arnaques téléphoniques et les deepfakes, ce qui pourrait entraîner une réaction des autorités de régulation
Préféreriez-vous discuter avec une IA vocale qui sait « soupirer et rire », ou trouveriez-vous qu’elle ressemble trop à un humain et que cela vous met mal à l’aise ?
#AI #语音AI #端侧AI #Block $BTC $FET À titre informatif uniquement, ceci ne constitue pas un conseil en investissement