Dessa (Аудио модел на Block)

Dessa е фундаментален невронен модел за гласово взаимодействие от край до край (end-to-end full-duplex speech), разработен от инженерния екип на финансовата и технологична компания Block (бившата Square).

Технологични предимства:

• Директна обработка на аудио акустика: Моделът е обучен изцяло върху естествена човешка реч, без междинно преобразуване на гласа в текст (ASR) и обратно в реч (TTS).
• Разпознаване на фини емоционални нюанси: Улавя интонационни промени, колебания, паузи, ирония и емоционално напрежение, които традиционно се губят при текстовата транскрипция.
• Пълен дуплекс и свръхниска латентност: Позволява естествено прекъсване на разговора, припокриване на гласове и реален диалог без забавяне.