Square와 Cash App의 모회사인 Block이 Dessa라는 AI 음성 모델을 공개했습니다.
Block은 Dessa가 텍스트 데이터를 전혀 사용하지 않고 인간 음성만으로 처음부터 학습된 최초의 AI 모델이라고 밝혔습니다. 오디오를 먼저 텍스트로 변환하는 대신, Dessa는 음성을 오디오로 직접 처리합니다. 덕분에 감정, 비꼬음, 웃음, 멈춤을 실시간으로 포착할 수 있습니다.
이 모델은 전이중(full-duplex) 통신을 지원하므로 동시에 듣고 말할 수 있습니다. MacBook Pro M4 Max에서 로컬로 실행되며 단일 NVIDIA GB200 NVL72로 학습되었습니다. Block은 현재의 음성 AI가 정서적 단서를 무시하기 때문에 호기심, 더 나은 인간-AI 소통에 대한 열망, 그리고 안전에 대한 우려에서 출발해 Dessa를 만들었다고 밝혔습니다. Dessa는 아직 공개적으로 이용할 수 없습니다. 팀은 먼저 예상치 못한 위험을 테스트할 AI 보안 연구원을 찾고 있습니다. 관심 있는 분은 다음을 통해 양식으로 신청할 수 있습니다.
이전의 정서적 음성 AI 시도들은 자리 잡지 못했습니다
여러 팀이 감정적으로 풍부하게 들리는 음성 AI를 만들려고 시도했습니다. 2024년 3월, 스타트업 Hume AI가 '정서 지능'을 갖춘 음성 AI인 EVI(Empathic Voice Interface)를 출시했습니다. Kyutai는 2024년 9월에 Moshi를 이어갔습니다. LAION의 Open Empathic 프로젝트 는 2023년 말부터 오픈소스 오디오 데이터셋을 사용해 공감적 음성 합성 모델을 학습시키는 작업을 해왔습니다. OpenAI는 2025년 6월에 ChatGPT의 '고급 음성 모드'를 전면 개편했으며 이후 더 나은 억양, 멈춤, 그리고 더 사실적인 공감과 비꼬음의 표현을 추가하며 지속적으로 다듬어 왔습니다.Ad
하지만 감정적으로 들리는 것과 실제로 감정적이거나 지능적인 것은 다릅니다. 그런 인상을 줄 수는 있더라도 말입니다. 고급 음성 AI에서는 응답하면서 추론하는 능력 과 같은 역량이 목소리가 얼마나 자연스럽게 들리는가보다 더 중요합니다. 이러한 역량이 실제로 답변의 품질에 영향을 미치기 때문입니다.
출처: Block.xyz