Block Dessa'yı Duyurdu: Sadece İnsan Konuşmasıyla Eğitilmiş Ses Modeli
Diğer AI Modelleri

Block Dessa'yı Duyurdu: Sadece İnsan Konuşmasıyla Eğitilmiş Ses Modeli

· 3 DK

Yazar: KOZBA

İçindekiler
  1. Dessa nedir?
  2. Nasıl konuşuyor?
  3. Neden böyle bir model yaptılar?
  4. Sınırlar ve belirsizlikler
  5. Neden önemli?
  6. Ses arayüzlerinde yeni yarış
  7. Sonuç

Jack Dorsey'in ödeme şirketi Block, Dessa adında bir ses modeli duyurdu. Modelin ayırt edici özelliği mimarisi değil, eğitim verisi: Dessa, "yalnızca insan konuşmasıyla, sıfırdan" eğitildi. Metin yok, yazılı transkript yok, web sayfası yok.

Dessa nedir?

Dessa, gerçek anlamda ses-sese (speech-to-speech) çalışan bir model. Block'un ekibi, "bildiği her şey insan konuşmasından geldi" diyor ve modelin MacBook Pro M4 Max veya daha güçlü bir cihazda yerel olarak çalışabildiğini belirtiyor. Yani bulut zorunluluğu yok.

Nasıl konuşuyor?

Şirketin yayınladığı örneklerde Dessa akıcı ama zaman zaman tuhaf bir sohbet partneri gibi davranıyor. Dessa ekibinin lideri Ragavan Thurairatnam'ın paylaştığı bir kayıtta model, karşısındaki kişiyi bir noktada "Ronaldo" sanıyor; sohbetin geri kalanı ise şaşırtıcı derecede doğal ilerliyor.

Sitedeki diğer örnekler arasında Christopher Nolan filmleri üzerine bir sohbet var; Dessa burada beklenmedik biçimde Bryan Singer'ın Superman filmlerine sapıyor. Bir başka kayıtta kullanıcı Dessa'ya Paris'e sürpriz bir gezi yaptıklarını anlatıyor ve model, sitenin ifadesiyle "gözyaşlı bir minnetle" karşılık veriyor.

En dikkat çekici örnek ise OpenAI'ın GPT-Live-1 ses modeliyle yapılan karşılaştırma: aynı konuşmada Dessa daha doğal, daha az "asistan" duruyor.

Neden böyle bir model yaptılar?

Ekip üç gerekçe sıralıyor: merak (yani eğlence), insan ile yapay zeka arasında daha iyi anlaşma ve güvenlik. Gerekçenin güvenlik ayağı, ses arayüzlerinin en büyük kör noktasına işaret ediyor:

  • Konuşma, her tür zekâ için en doğal arayüz; bugünkü sesli yapay zeka ise bunu heba ediyor.
  • Mevcut sistemler söyleneni metne indirgiyor ve insan zamanlamasına ayak uyduramıyor.
  • Yapay zeka güç ve bağımsızlık kazanırken, sesimizdeki duyguyu neredeyse hiç duymuyor. Ciddi acı çeken birinin karşısında sesli asistanın bunu fark etmeden devam etmesi tam olarak güvenlik sorunu.

Ekip bunu bir bebek benzetmesiyle açıklıyor: "Bebekler tek bir kelimeyi yazılı görmeden konuşmayı öğrenir. Bir modelin de öğrenip öğrenemeyeceğini görmek istedik. Öğrenebiliyor. Sadece çok zor."

Sınırlar ve belirsizlikler

Dessa henüz genel kullanıma açık değil. Block, "küçük bir yapay zeka güvenliği araştırmacısı grubuna" erken erişim vereceğini söylüyor. Modelin parametre sayısı, eğitim verisinin büyüklüğü ve lisansı açıklanmadı. Yerel çalışma iddiası da cihaz sınıfına bağlı: M4 Max ve üzeri bir eşik, ortalama bir dizüstü bilgisayarda aynı deneyimi beklemenin doğru olmadığı anlamına geliyor.

Bir diğer soru işareti, yalnızca konuşmayla eğitilen bir modelin bilgi tabanı. Dessa sohbet edebiliyor ama dünya bilgisi konusunda bir dil modeliyle yarışması beklenmiyor; hedef farklı: ton, zamanlama, duygu.

Neden önemli?

Sesli asistanlar uzun süredir aynı formülde sıkışmıştı: konuşmayı yazıya çevir, dil modeline gönder, cevabı sese dönüştür. Bu zincirde ton ve zamanlama kayboluyor. Dessa gibi uçtan uca ses modelleri, bu zinciri tek adıma indirmeyi deniyor.

Block için bu aynı zamanda bir konumlanma hamlesi: ödeme şirketi olarak bilinen bir firmadan, frontier laboratuvarlarının ana yarış alanına giren bir araştırma çıktısı.

Ses arayüzlerinde yeni yarış

Sesli asistan pazarı uzun süredir iki kutup arasında sıkışmıştı: bir tarafta hızlı ama mekanik transkripsiyon-tabanlı sistemler, diğer tarafta gecikmeli ama daha doğal deneyler. Dessa gibi uçtan uca modeller üçüncü bir yol öneriyor: tek modelde hem anlama hem üretme, arada metin katmanı olmadan.

Bu yaklaşımın maliyeti de farklı: yerel çalıştırma, gizlilik açısından avantaj; ancak model güncellemeleri ve bilgi tazeliği cihazın kendisine bağlı kalıyor. Bulut tabanlı ses modelleri ise tam tersini sunuyor. Dessa, henüz bir ürün olmasa da bu denklemin ilk ciddi testlerinden biri.

Sonuç

Dessa bugün bir ürün değil, bir araştırma gösterimi. Ama yönü net: yapay zekanın sesle ilişkisi, metin üzerinden değil doğrudan ses üzerinden kurulacaksa, duygu ve zamanlama ilk sınıf problemler haline geliyor. Block'un deneyi, bu geçişin ilk somut örneklerinden biri.

Paylaş