AI LAB / KEYWORD DICTIONARY

音声AI

Dessa(デッサ)とは?

文字を介さず、人間の会話音声だけから学習し、音声の入力と出力を直接扱う全二重の会話モデル。

仕組みと使いどころ

テキストや事前学習済みモデルを使わず、人間の会話音声のみで一から学習した音声対音声モデル。聞きながら話す全二重方式により、発話への割り込みや相づちを扱い、感情、皮肉、笑い、間、抑揚など文字化で失われやすい情報も音声のまま処理する。リアルタイムより速く推論し、指定された高性能な端末上でローカル実行できる一方、音声だけでの学習効率や安全上の未知のリスクは研究課題として残る。

Dessaの活用例

たとえば、こんな場面で

利用者の声の調子や間を保ったまま応答する、自然なリアルタイム音声対話の研究や試作に活用できる。

使うときのポイント

会話の自然さだけでなく、想定外の応答や未知の安全リスクを含め、実際の音声対話で挙動を確認する。

参考資料

Dessa - the Conversation Model trained only on speech (新しいタブで開きます)

用語の説明や活用例に関連する参考資料です。

READ & LEARN

用語を知ったら、活用を知る。

AI LABで、AIの動向や業務に取り入れるヒントを読む。

記事一覧を見る