الخلاصة
- شركة بلوك المملوكة لجاك دورسي أطلقت نموذجاً صوتياً جديداً باسم ديسا من مختبرها البحثي.
- النموذج يعمل محلياً ويستمع ويتحدث في آن واحد، وفق الشركة، من دون نموذج لغوي مرافق.
- الإطلاق يضع بلوك في منافسة مباشرة مع أوبن إيه آي وإيليفن لابس على الصوت الاصطناعي.
خبر:
نموذج صوتي جديد يعمل محلياً ويُصدر ضحكات ووقفات وبكاءً أطلقته شركة بلوك، المملوكة لجاك دورسي، من مختبرها البحثي. وقالت الشركة إن النموذج، المسمى ديسا، دُرّب بالكامل على كلام بشري وعلى رف واحد من وحدات معالجة الرسوميات من إنفيديا. وبحسب بلوك، فإن معرفة النموذج مستمدة من بيانات المحادثة التي تدرّب عليها، لا من نموذج لغوي منفصل.
تفصيل:
- التقنية: ديسا نموذج كامل الازدواجية، أي قادر على التحدث والاستماع في الوقت نفسه، وهي القدرة ذاتها التي قدمها نموذج جي بي تي لايف من أوبن إيه آي في وقت سابق من هذا العام. وعادة ما تُقرن نماذج الكلام بنموذج لغوي كبير لاسترجاع المعلومات.
- البنية التحتية: قالت بلوك إن التدريب جرى على رف واحد من وحدات معالجة الرسوميات من إنفيديا، وعلى كلام بشري بالكامل. ولم تحدد الشركة حجم بيانات التدريب ولا عدد الوحدات داخل الرف ولا كلفة التشغيل.
- نقد المنافسين: ترى بلوك أن النماذج الحالية تبدو غير طبيعية ومزعجة لأنها تمرّر النص داخل مسار توليد الكلام. وأشارت إلى أن نماذج مثل إيليفن لابس في 4 وفيش أوديو دراما 3 تعتمد على وسوم صوتية لقيادة المشاعر في الكلام المولَّد.
- ادعاء المشاعر: تزعم شركة دورسي أن المشاعر مدمجة داخل النموذج نفسه لا مضافة عبر وسوم خارجية. غير أن الشركة لم توضح ما إذا كانت هذه المشاعر موجَّهة بنوع من الوسوم، وهي النقطة التي تفصل ادعاءها عن أسلوب المنافسين.
- موقف الشركة: في منشور على مدونتها، قالت بلوك إن التعامل مع الذكاء الاصطناعي الصوتي الحالي سيئ لأنه يحوّل الصوت إلى نص ويهدر قدراً هائلاً من المعلومات، وأضافت أن أقوى نماذج العالم “لا تستطيع سماع ما تشعر به”، معتبرة ذلك خطراً محتملاً.
- العروض التوضيحية: نشر باحثو الشركة أمثلة متعددة لمحادثات مع ديسا ظهر فيها الوكيل بأصوات وإيقاعات ومشاعر مختلفة. ففي إحدى المحادثات قال النموذج إنه متعب من العمل، وبدا صوته متعباً عند تلك النقطة.
- التشغيل المحلي: بحسب بلوك، يعمل ديسا محلياً، وهي خاصية تعني معالجة الصوت على الجهاز بدل إرساله إلى خوادم بعيدة. ولم تعلن الشركة موعداً لإتاحة النموذج للمطورين أو للمستخدمين، ولا الشروط التي سيُطرح بموجبها.
- الجهة المطوِّرة: جاء الإطلاق من المختبر البحثي التابع لبلوك، شركة المدفوعات التي يملكها جاك دورسي، ما يوسّع نشاطها من الخدمات المالية إلى نماذج الذكاء الاصطناعي التوليدي. ولم يصدر عن دورسي شخصياً تعليق مرافق للإعلان.
خلفية:
الموجة الحالية من المساعدات الصوتية تقوم على تحويل الكلام إلى نص، ثم تمريره عبر نموذج لغوي، ثم إعادة تحويله إلى صوت. هذا المسار الثلاثي هو ما تقول بلوك إنه يُفقد نبرة المتحدث ومشاعره.
بين السطور:
استغناء ديسا عن النموذج اللغوي المرافق، واعتماده على بيانات المحادثة وحدها مصدراً للمعرفة، يضعه في موقع مختلف عن منافسيه: مكاسب محتملة في طبيعية الأداء مقابل حدود في اتساع المعرفة. كما أن تدريبه على رف واحد من وحدات إنفيديا يشير إلى كلفة أقل من النماذج الكبرى، وهو ما يجعل التشغيل المحلي ممكناً أصلاً.
ماذا بعد؟
المؤشر الأهم هو ما إذا كانت بلوك ستتيح ديسا للمطورين أو تدمجه في منتجاتها المالية، وما إذا كانت ستنشر تفاصيل تقنية تحسم مسألة الوسوم الموجِّهة للمشاعر.
