Block、音声のみ学習の「Dessa」発表　「人と話す」体験目指す

■ 背景: ジャック・ドーシー氏が率いるフィンテック企業Block（旧Square）が、音声認識・生成技術の新たな研究プレビュー「Dessa」を発表しました。特筆すべきはその学習方法で、一般的なテキストデータや大規模な事前学習モデルを一切用いず、人間の会話音声のみで学習させている点にあります。これにより、まるで人間と対話しているかのような、自然なコミュニケーション体験の実現を目指しています。

■ なぜ重要か: Dessaの最大の特徴は、全二重通信を可能にする点です。これは、相手の発言を遮ることなく、相づちや感情の抑揚といった微妙なニュアンスを直接聞き取り、それをリアルタイムで音声に反映できることを意味します。さらに、NVIDIAのラック1台という比較的省リソースで学習可能であり、MacBook Proのような一般的なデバイスでもローカル実行できるという技術的な実現可能性も示唆しています。これは、AI音声対話技術がより身近でアクセスしやすいものになる可能性を示唆しています。

■ 編集部の見立て: Blockが今回発表したDessaは、AIとの対話体験を根本から変える可能性を秘めています。従来の音声アシスタントは、定型的な応答や指示への対応が中心でしたが、Dessaはより人間らしい、感情のこもった自然な対話を目指していると考えられます。これが実用化されれば、カスタマーサポート、教育、メンタルヘルスケアなど、多様な分野での活用が期待されます。ただし、現時点では研究プレビューであり、一般提供時期や具体的な応用例については今後の情報が待たれます。