Blockの人間のように笑い、泣くAI音声Dessa

By: blocktrends.com.br|2026/10/25 09:33:21

Block社は、ジャック・ドーシーによって設立された決済企業で、一般的な音声アシスタントを超えたものを発表しました。このモデルはDessaと呼ばれ、同社の研究所から生まれ、競合他社が達成できないことを実現しています。それは、真に人間らしく聞こえることです。笑い声、間、ため息、そして泣きそうな声のトーンを持つこの技術は、驚きと同時に詐欺に関する深刻な懸念を引き起こしています。

この新技術は、音声インタラクションをより自然にするための激しい競争が繰り広げられているAI市場に登場しました。しかし、ほとんどのモデルがまず音声をテキストに変換し、その後に応答を処理するのに対し、Dessaは異なるアプローチを試みています。そして、これが状況を大きく変えます。

Dessaの仕組みとその違い

ほとんどのAI音声システムは予測可能な道筋をたどります。あなたが話すと、モデルはそれをテキストに書き起こし、情報を処理し、テキストの応答を生成し、最後に音声に変換します。これは複数のステップからなる連鎖であり、それぞれのステップで感情のニュアンスが失われます。あなたの声の中の苛立ちのトーン、質問の前のためらい、微妙な皮肉、これらはすべて書き起こしの中で失われてしまいます。

Dessaはフルデュプレックスモデルとして機能し、同時に話し、聞くことができます。今年発表されたOpenAIのGPT-Liveのように。Blockが主張する中心的な違いは、感情がタグや外部コマンドを通じて追加されるのではなく、モデル自体に組み込まれているということです。これは、実際の人間の音声データで完全に訓練されています。

研究チームが公開したデモでは、モデルは異なる声、リズム、感情状態を持つことができました。ある会話では、Dessaは仕事の一日を終えた後に疲れていると言い、そのトーンは実際に疲れているように聞こえました。別の会話では、彼女を快適に感じさせる誰かについて話すと、声が詰まり、ほとんど壊れそうになりました。

ラップトップで動作し、データセンターではない

技術市場にとって最も重要なデータは、必要なインフラストラクチャです。Dessaは単一のNVIDIA GPUラックで訓練され、M4 Maxチップ以上の消費者向けコンピュータ、例えばMacBookでローカルに動作することができます。これは注目に値します。

ほとんどの高度な音声モデルは重いクラウドサーバーに依存しており、これが遅延と高コストを引き起こします。デバイス上で動作するモデルは、リアルタイムアプリケーションの可能性を開き、常時インターネット接続なしで、運用コストを大幅に削減します。Blockのような企業にとって、すでに決済や小規模ビジネス向けのソリューションを提供している企業にとって、実際の意味は明確です。商人のデバイス上で高品質の自動化されたサービスを提供することです。

Blockの小規模ビジネス向け部門であるSquareは、すでに音声AIを利用して注文を管理しています。Dessaを使うことで、顧客は機械と話していることに気づかないレベルまで体験を引き上げることができます。

過度のリアリズムの問題

ここに、この種の進歩に伴う避けられないジレンマがあります。AIが人間と区別がつかない場合、詐欺に使用される可能性が同じ割合で増加します。感情的な声で助けを求める誰かからの電話を受け取ることを想像してみてください。その声が完全に合成されたものであるとしたら。

Block自身もリスクを認識しています。同社はDessaへの公共アクセスを解放しておらず、研究者にモデルをテストするよう呼びかけています。公表された目的は、音声エージェントが電話の向こう側の人々を欺く可能性のあるシナリオを特定することです。これは慎重な措置ですが、技術がすでにデリケートな領域に進んでいることを示しています。

音声のディープフェイク市場はすでに数十億ドルの損失を生み出しています。アメリカ合衆国連邦取引委員会によると、声の模倣を含む詐欺は2023年に27億ドル以上の損失を引き起こしました。感情的な層を追加するDessaのようなモデルは、検出をさらに困難にします。

--価格

これがAIのシナリオに何を意味するのか

Blockが音声モデルのゲームに参入する決定は、市場の方向性について何かを示しています。フィンテック企業は、重要なサービス機能のためにOpenAI、ElevenLabs、Googleなどの外部サプライヤーに依存したくありません。ローカルで動作する独自のモデルを開発することは、コスト削減の戦略であり、同時に競争の差別化でもあります。

Blockはこの道を歩む最初の企業ではありません。しかし、テキストの仲介を経ずに人間の音声データのみで訓練するアプローチは、業界にとっての転換点を示す可能性があります。モデルが約束をスケールで実現できれば、音声AIと金融サービスの統合は新たな段階に入ります。

現時点では、Dessaは閉じられたままです。公共のリリースの期限はありません。しかし、このレベルの表現力を持つモデルがラップトップで動作するという事実は、技術が向かっている方向についての物語を語っています。そして、それに伴うリスクについても。

金融セクターにとって、方程式は明確です。AI音声インターフェースを支配する者は、サービス、コスト、ユーザー体験において圧倒的な優位性を持つことになります。残る問題は、規制がそのペースに追いつけるかどうかです。

本コンテンツは、一般的な情報提供のみを目的としたものであり、金融、投資、法律、または税務に関する助言を構成するものではありません。ここに記載されているイベント、報酬、オンラインキャンペーン、またはそれらに関連する情報は、暗号資産の購入、売却、取引、その他いかなる取引の推奨、勧誘、または招待とみなされるべきではありません。暗号資産は価格変動が非常に大きく、損失が発生する可能性があります。WEEXのサービス、プロダクト、および関連イベントの提供状況は、地域によって異なる場合があります。お客様は、ご自身の参加が適用される現地の法令を遵守していることを自ら確認する責任を負うものとします。