如果你与人工智能“交谈”的经历包括与 Siri 互动，那么你就会猛然醒悟。虽然苹果的语音助手经常笨手笨脚地执行基本命令，并且需要花费不自然的长时间来处理请求，但最新、最好的人工智能模型正在越来越接近自然的人类语音。
典型的例子是：Dessa，Jack Dorsey’s Block 的创意。 据称是世界上第一个全双工语音模型这样他就可以听你说话 和 像真人在正常对话流程中一样同时说话。这实际上就是 Dessa 的吸引力：它完全根据人类语音进行训练，听起来尽可能自然。
此推文当前不可用。它可以被安装或移除。
但这些说法必须存在。 听到 受到赞赏和 布洛克的新闻稿 Dessa 的宣布表明人工智能模型在接近人类自然语音节奏方面已经取得了多大进展。
微软推出新的 MAI 系列人工智能模型，用于推理、语音、编码和图像
里面 第二个样本音频剪辑例如，一个现实生活中的人类和黛莎就克里斯托弗·诺兰的电影进行了长时间的对话，虽然模型在某些方面通过给出电影标题来扩展她的知识，但她这样做是自然的而不是机械的，反映了她的人类对话者的语气，同时保持了对诺兰电影世界的一种完全随意的来回感觉。
在第三个声音样本中，黛莎立即对人类提出的意想不到的问题（“你对我们的周年纪念感到兴奋吗？”）做出反应，带着真正的惊喜和热情，完全符合人类所期望的语音提示：可听见的喘息声、近乎泪水的喜悦热情，甚至很难找到合适的词语。
可混搭光速
最后的剪辑完全消除了人类的参与，以 ChatGPT 和 Dessa 之间的对话为特色，ChatGPT 代理的机器人、不自然的语音模式与 Dessa 的提示、中断和困惑的问题之间的对比完美地说明了 Block 在人工智能对话模型方面取得了多大的进步。
也许最令人印象深刻的是，黛莎似乎明白与她说话的人是在讽刺；这需要对语音语气及其与语音内容的关系有复杂的理解，成年人可以毫不费力地处理这些内容，但历史上却混淆了人工智能模型（甚至不要考虑用讽刺的语气与 Siri 说话）。
根据同一份新闻稿，Block 开发 Dessa 的动机很简单：
“对于任何智能，无论是超级智能还是其他智能，语音都是最自然的界面，而今天的语音人工智能正在浪费它。它将我们所说的内容扁平化为文本，无法跟上人类的时间安排。人工智能继续获得力量和独立性，但仍然对我们声音中的情绪几乎充耳不闻。想象一下，语音人工智能毫无线索，继续下去，让你陷入严重的痛苦。这就是安全问题。Dessa 是解决这个问题的一步。”
暂且不考虑注意到声音模式中的紧迫、恐惧或痛苦的语气是否与说话的语气相同的问题。 富有同情心的 这些迹象背后的情感。但您需要花一些时间了解训练人工智能代理以首先检测这些问题的复杂性。
无论这将我们带到哪里，Dessa 无疑是人工智能领域的一项重大进步，更重要的是，它弥合了人类交流和人工智能理解之间的差距。
主题
人工智能
