Un modello vocale diverso dagli assistenti tradizionali
Block, la società guidata da Jack Dorsey, ha presentato Dessa, un modello sperimentale di intelligenza artificiale progettato per rendere le conversazioni vocali più naturali. Il sistema non si limita a riconoscere le parole pronunciate dall'utente, ma prova a interpretare anche gli elementi che normalmente si perdono durante una trascrizione: intonazione, ritmo, pause, risate, sospiri e variazioni emotive.
La tecnologia utilizza un'architettura speech-to-speech, cioè da parlato a parlato. Dessa è stata addestrata esclusivamente su registrazioni di conversazioni umane reali, senza ricorrere a testi scritti o a modelli linguistici pre-addestrati. L'obiettivo è conservare nella risposta una parte delle informazioni contenute nel modo in cui una persona parla, non soltanto nel significato letterale delle frasi.
Ascolto e risposta possono avvenire insieme
Uno degli elementi centrali è l'architettura full-duplex. Dessa può ascoltare e parlare contemporaneamente, senza dover attendere che l'interlocutore concluda ogni frase. Il modello può quindi reagire con brevi segnali di ascolto, modulare volume e intonazione in base al contesto e interrompere la propria risposta quando l'altra persona ricomincia a parlare.
- Analisi della voce: il sistema considera tono, pause, ritmo e altri segnali non presenti in una semplice trascrizione.
- Interpretazione del contesto: Dessa prova a riconoscere sarcasmo, esitazioni e cambi improvvisi d'umore.
- Elaborazione locale: il modello è stato sviluppato per funzionare direttamente su hardware consumer ad alte prestazioni, senza dipendere in modo costante dai server cloud.
Il realismo impone verifiche di sicurezza
La maggiore naturalezza della voce rappresenta anche un possibile fattore di rischio. Proprio per questo Dessa non è disponibile al pubblico: il modello viene sottoposto a valutazioni da parte di esperti di sicurezza. I test servono a ridurre i pericoli legati a utilizzi fraudolenti, comprese le truffe vocali e le tecniche di social engineering.
La scelta di limitare l'accesso nella fase sperimentale evidenzia una questione già rilevante per gli strumenti vocali basati sull'intelligenza artificiale: più un sistema riesce a riprodurre esitazioni, interruzioni e sfumature emotive, più può risultare difficile distinguere una conversazione con una macchina da una conversazione con una persona. Nel caso di Dessa, Block sta quindi verificando il comportamento del modello prima di un'eventuale apertura più ampia.
Un approccio che evita il passaggio dal testo
Nei sistemi vocali convenzionali, la voce viene spesso trasformata in testo e poi elaborata prima di generare una risposta parlata. Dessa salta questo passaggio intermedio: l'architettura speech-to-speech lavora direttamente sul segnale vocale e punta a mantenere le informazioni espressive che una trascrizione potrebbe eliminare. Il risultato atteso è una risposta più sensibile al modo in cui una frase viene pronunciata, non solo alle parole utilizzate.
Il progetto resta comunque sperimentale e non equivale alla disponibilità di un nuovo assistente vocale per il pubblico. Per ora, le informazioni comunicate da Block riguardano soprattutto l'architettura del modello, la possibilità di eseguirlo su hardware locale ad alte prestazioni e il percorso di verifica dedicato alla sicurezza.