🎙️ ドーシー氏のBlockが「純音声」AIモデルDessaを発表：テキストを介さず感情を理解、ノートPC上でローカル実行も可能
Blockの公式サイトとTechCrunchの10/24の報道によると：
1️⃣ Dessaは全二重の音声対音声モデル。聞きながら話し、会話に割り込んだり相づちを打ったりできるほか、笑い声、ため息、すすり泣きなどの感情を認識し、音声で表現できる
2️⃣ 公式発表によると、ゼロから学習させたモデルで、人間同士の会話音声のみを使用。テキストも事前学習済みモデルも使わず、学習にはNVIDIA GB200 NVL72を1台だけ使用
3️⃣ MacBook Pro M4 Max以上の環境でローカル実行でき、推論速度はリアルタイムを上回る。現時点でダウンロード版/API/価格は未公開で、安全性研究者向けに早期アクセスの申し込みのみ受け付けている（Unite.AI、The Verge）
【見解】
主流の音声AIは「音声をテキストに変換→大規模言語モデル→再び音声に変換」という仕組みで、遅延が大きく、感情もすっかり失われる。Dessaは別の道を進む。エッジ実行とネイティブ音声だ。Blockにとっては、Squareの店舗注文やCash Appのカスタマーサポートで、より安価なローカル音声エージェントを活用できる。さらに大きな兆しは、AI競争の軸が「パラメーター数」から「対話体験とエッジ実行コスト」へ移りつつあり、計算需要もクラウドから端末へと広がっていくことだ。
【機会／リスク】
✅ 注目点：エッジAIチップやハイエンドPC・スマートフォンの買い替え需要、AI音声カスタマーサポートと決済シーンの連携、分散型コンピューティング／AIエージェント分野への市場の関心
⚠️ リスク：現時点ではデモのみで、ベンチマークも公開済みの重みもない。「GPT-3の瞬間」という評価はチーム自身によるもの。リアルな感情表現の音声は、電話詐欺やディープフェイクのリスクも高め、規制が進む可能性がある
ため息をついたり笑ったりするAI音声と話してみたい？ それとも、人間に似すぎていて不安に感じる？
#AI #语音AI #端侧AI #Block $BTC $FET
参考情報であり、投資助言を構成するものではありません
Blockの公式サイトとTechCrunchの10/24の報道によると：
1️⃣ Dessaは全二重の音声対音声モデル。聞きながら話し、会話に割り込んだり相づちを打ったりできるほか、笑い声、ため息、すすり泣きなどの感情を認識し、音声で表現できる
2️⃣ 公式発表によると、ゼロから学習させたモデルで、人間同士の会話音声のみを使用。テキストも事前学習済みモデルも使わず、学習にはNVIDIA GB200 NVL72を1台だけ使用
3️⃣ MacBook Pro M4 Max以上の環境でローカル実行でき、推論速度はリアルタイムを上回る。現時点でダウンロード版/API/価格は未公開で、安全性研究者向けに早期アクセスの申し込みのみ受け付けている（Unite.AI、The Verge）
【見解】
主流の音声AIは「音声をテキストに変換→大規模言語モデル→再び音声に変換」という仕組みで、遅延が大きく、感情もすっかり失われる。Dessaは別の道を進む。エッジ実行とネイティブ音声だ。Blockにとっては、Squareの店舗注文やCash Appのカスタマーサポートで、より安価なローカル音声エージェントを活用できる。さらに大きな兆しは、AI競争の軸が「パラメーター数」から「対話体験とエッジ実行コスト」へ移りつつあり、計算需要もクラウドから端末へと広がっていくことだ。
【機会／リスク】
✅ 注目点：エッジAIチップやハイエンドPC・スマートフォンの買い替え需要、AI音声カスタマーサポートと決済シーンの連携、分散型コンピューティング／AIエージェント分野への市場の関心
⚠️ リスク：現時点ではデモのみで、ベンチマークも公開済みの重みもない。「GPT-3の瞬間」という評価はチーム自身によるもの。リアルな感情表現の音声は、電話詐欺やディープフェイクのリスクも高め、規制が進む可能性がある
ため息をついたり笑ったりするAI音声と話してみたい？ それとも、人間に似すぎていて不安に感じる？
#AI #语音AI #端侧AI #Block $BTC $FET
参考情報であり、投資助言を構成するものではありません