Block präsentierte Dessa — ein Spracherkennungsmodell, das Audio direkt verarbeitet, ohne vorherige Umwandlung der Sprache in Text. Laut The Decoder ist das Modell darauf ausgelegt, Emotionen, Sarkasmus und Pausen in Echtzeit zu erkennen.
Dessa läuft lokal auf einem MacBook Pro mit dem Chip M4 Max, ist aber derzeit öffentlich nicht verfügbar. Das schränkt externe Verifikation der behaupteten Fähigkeiten und die praktische Nutzung des Modells ein.
Wenn der Ansatz bestätigt wird, könnte er wichtig sein für Systeme, in denen der Sinn nicht nur von Wörtern, sondern auch von Intonation oder Pausen abhängt. Das nächste auffällige Signal wird die Veröffentlichung des Modells, Demonstrationen oder Ergebnisse unabhängiger Tests sein.
redaktioneller Kommentar
Warum es wichtig ist
Voraussichtliche Folge ist ein zunehmendes Interesse an Sprachsystemen, die nicht nur den Inhalt, sondern auch den Klang der Sprache analysieren. Das nächste beobachtete Signal wird eine öffentliche Veröffentlichung oder unabhängige Tests von Dessa sein. Erhebliche Unsicherheit besteht aufgrund fehlender Daten zur Qualität des Modells und zu seinen Betriebsbedingungen.