أطلقت شركة «بلوك» (Block) التي يقودها جاك دورسي نموذجًا صوتيًا جديدًا من مختبرها البحثي باسم «ديسا» (Dessa)، يعمل محليًا على الجهاز ويبدو بشريًا على نحو لافت بما يصدر عنه من تعبيرات مثل الضحك والتوقفات والبكاء. وقالت الشركة إن النموذج دُرّب بالكامل على كلام بشري وباستخدام وحدة معالجة رسومية واحدة من «إنفيديا».
«ديسا» نموذج ثنائي الاتجاه الكامل (full-duplex)، أي أنه قادر على التحدث والاستماع في الوقت نفسه، كما هي الحال مع نموذج «GPT-Live» الذي أطلقته «أوبن إيه آي» في وقت سابق من هذا العام. وعادةً ما تُقرن نماذج الكلام بنموذج لغوي كبير لاسترجاع المعلومات، أما «بلوك» فتقول إن معرفة «ديسا» مصدرها بيانات المحادثات التي يمتلكها.
اقرأ أيضًا: أنثروبيك تقترح مشروع قانون قد يحجب نماذج ذكاء اصطناعي خطرة
وكتب دورسي في منشور على منصة «إكس» بتاريخ 23 أكتوبر 2026: «نؤمن بأن الصوت هو الطريقة الأكثر طبيعية للتفاعل مع الذكاء، ولذلك أنشأنا «ديسا»، أكثر نماذج الكلام الكاملة الاتجاهين أصالةً على الإطلاق. الحديث معه يشبه الحديث مع شخص… مليء بالمشاعر والفروق الدقيقة والتوقفات والإيقاع الطبيعي».
وبحسب «بلوك»، قد تبدو النماذج الحالية غير طبيعية ومزعجة لأن في مسارها نصًا يقود عملية توليد الكلام. فكثير من النماذج، مثل «ElevenLabs v4» و«Fish Audio Drama 3»، يعتمد على وسوم صوتية لتوجيه العاطفة أثناء التوليد. أما شركة دورسي فتزعم أن العاطفة مدمجة في نموذجها، ولم يتضح ما إذا كانت هناك وسوم من نوع ما توجّه هذه العاطفة.
وجاء في تدوينة للشركة: «التعامل مع الذكاء الاصطناعي الصوتي الحالي قد يكون سيئًا ببساطة. فهو يحوّل صوتك إلى نص ويتخلص من قدر هائل من المعلومات لا يستطيع النص وحده حملها. أقوى أنظمة الذكاء الاصطناعي في العالم لا تستطيع سماع ما تشعر به. نعتقد أن ذلك أمر سخيف، ويؤدي إلى تجربة أسوأ، وقد يكون خطيرًا على نحو محتمل».
ونشر باحثو الشركة عدة نماذج لمحادثات مع «ديسا» ظهر فيها الوكيل الصوتي بأصوات وإيقاعات ومشاعر مختلفة. ففي إحدى المحادثات، قال الروبوت إنه متعب من العمل، وبدا صوته متعبًا فعلًا عند هذه النقطة.
وكتب راغافان توراي راتنام (Ragavan Thurairatnam) على «إكس» في اليوم نفسه: «صنعنا أول نموذج ذكاء اصطناعي يمكنك إجراء محادثة واقعية معه، دُرّب بالكامل على الكلام! «ديسا» نموذج كلام إلى كلام ثنائي الاتجاه الكامل يمكنك تشغيله على وحدات معالجة رسومية استهلاكية. هذه لحظة «GPT3» للكلام».
وفي مثال آخر، تحدث الروبوت عن الشخص الذي يشعره بالراحة، وبدا متأثرًا وكأنه على وشك الانهيار. ويظهر مثال ثالث أحد أعضاء فريق «بلوك» وهو يلعب لعبة مع المساعد الصوتي.
وأوضحت الشركة أن النموذج يعمل محليًا على حاسوب استهلاكي مثل «ماك بوك M4 ماكس» أو أفضل منه. ولا يتاح «ديسا» للعامة حاليًا، وقد دعت «بلوك» باحثي السلامة إلى اختبار النموذج، ويرجَّح أن الهدف هو فحص حالات قد يخدع فيها الوكيل الصوتي الطرف الآخر في المحادثة.
وتعمل «بلوك» في مجال التمويل وتبيع حلولها للشركات الصغيرة، وتستخدم «سكوير» (Square) التابعة لها الذكاء الاصطناعي الصوتي بالفعل في معالجة الطلبات. ومع امتلاكها نموذجًا صوتيًا خاصًا يعمل على الجهاز نفسه، يمكنها دعم مزيد من التجارب التجارية والاستهلاكية بتكلفة أقل.