Block’tan Doğrudan Ses Odaklı Yeni Yapay Zekâ Modeli: Dessa

Jack Dorsey’nin kurucuları arasında yer aldığı finansal teknoloji şirketi Block, insan sesini gerçeğe yakın bir şekilde taklit edebilen ve duygusal tonlamaları yansıtabilen Dessa isimli yeni yapay zekâ modelini duyurdu. Şirket bünyesindeki araştırma laboratuvarlarında geliştirilen bu yenilikçi model, günlük konuşmalarda sıkça karşılaşılan duraksama, kahkaha ve ses tonundaki ani değişimleri başarıyla simüle edebilmesiyle dikkat çekiyor.

Geleneksel ses tabanlı yapay zekâ sistemleri genellikle sesli girdileri önce metne dönüştürüp ardından yanıt oluştururken, Dessa doğrudan ses üzerinden çalışma prensibiyle geliştirildi. Bu sayede model, yalnızca kelimeleri değil; konuşmacının ruh halini ve duygusal durumunu ele veren ince ses ipuçlarını da doğrudan işleyebiliyor. Full-duplex mimariyle tasarlanan sistem, müşteri hizmetleri ve sesli asistan çözümlerinde yeni bir dönemin kapısını aralayabilecek potansiyele sahip.

Block tarafından paylaşılan bilgilere göre model, tamamen insan konuşmalarından elde edilen veri setleriyle eğitildi ve bu süreçte tek bir Nvidia GB200 NVL72 bilgi işlem sistemi kullanıldı. Şirketin yayımladığı ilk örneklerde Dessa’nın yorgunluk gibi fiziksel durumları ses rengine yansıtabildiği ve duygusal reaksiyonlara uygun yanıtlar verebildiği görülüyor. Ancak performansın net olarak değerlendirilebilmesi için bağımsız testlere ihtiyaç duyuluyor.

Dessa’nın en önemli teknik avantajlarından biri de yüksek maliyetli ve devasa sunucu altyapılarına bağımlı kalmadan, doğrudan tüketici bilgisayarlarında çalışabilecek yapıda tasarlanmış olması. Block, modelin Apple M4 Max işlemcili MacBook Pro gibi güçlü donanımlarda rahatlıkla çalışabildiğini belirtiyor. Bu mimari yaklaşım, sesli yapay zekâ uygulamalarının operasyonel maliyetlerini aşağı çekerken çevrim içi sunucu ihtiyacını da minimuma indiriyor.

Henüz genel kullanıma açılmayan ve ilk aşamada sınırlı sayıda yapay zekâ güvenliği araştırmacısının erişimine sunulması planlanan Dessa, sunduğu imkânların yanı sıra bazı riskleri de beraberinde getiriyor. İnsan sesinin bu denli gerçekçi taklit edilebilmesi, dolandırıcılık faaliyetleri ve yanıltıcı içerik üretimi gibi güvenlik endişelerini artırıyor. Block yetkilileri, modelin ticari ürünlere ne zaman entegre edileceğine veya genel kullanıma ne zaman açılacağına dair henüz resmi bir takvim paylaşmadı.