ค้นพบความสนใจของคุณ ไปด้วยกัน

ดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

ค้นพบความสนใจของคุณ ไปด้วยกันดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

Dessa โมเดลเสียงพูด AI แบบ full-duplex ที่เกิดจากเสียงมนุษย์ล้วน

Dessa โมเดลเสียงพูด AI แบบ full-duplex ที่เกิดจากเสียงมนุษย์ล้วน
ความสนใจ|สำรวจการใช้งาน AI

Dessa คืออะไร และทำไมการเรียนรู้จากเสียงล้วนจึงสำคัญ

Dessa คือโมเดลเสียงพูด AI ประเภท speech-to-speech แบบ full-duplex ที่ถูกออกแบบมาให้สนทนากับมนุษย์ด้วยเสียงอย่างเป็นธรรมชาติ โดยเรียนรู้จากบทสนทนาเสียงของมนุษย์ล้วนๆ ไม่ผ่านการแปลงเป็นข้อความและไม่ใช้โมเดลภาษา pretrained ใดๆ เลย โมเดลจึงรับรู้ทั้งจังหวะ น้ำเสียง อารมณ์ และการหยุดเว้นวรรคในระดับที่ข้อความไม่สามารถเก็บรายละเอียดเหล่านี้ได้ ทำให้เป้าหมายของ Dessa ไม่ใช่แค่ตอบคำถาม แต่คือการเป็นคู่สนทนาเสียงที่มีปฏิสัมพันธ์ใกล้เคียงมนุษย์มากที่สุด

ทีมวิจัย AI ขนาดเล็กของ Block บริษัทที่อยู่ภายใต้การนำของ Jack Dorsey เปิดตัว Dessa พร้อมคำเคลมแรงว่าเป็น “the world’s first AI you can have a realistic live conversation with that was trained only from human speech” ซึ่งเริ่มถูกพูดถึงในวงกว้างตั้งแต่วันที่ 23 ตุลาคม 2026 การเปิดตัวนี้ไม่ใช่แค่เพิ่มอีกหนึ่งผลิตภัณฑ์ AI สนทนาเสียง แต่เป็นการท้าทายสมมติฐานหลักของวงการที่เชื่อว่า voice AI ต้องมี LLM ที่เทรนจากข้อความเป็นแกนเสมอ หาก Dessa ทำได้จริงตามที่แสดงในเดโม เรากำลังเห็นการขยับจากยุค AI ที่คิดผ่านตัวหนังสือ ไปสู่ยุค AI ที่คิดและรู้สึกผ่านเสียงโดยตรง

full-duplex speech และการสนทนาแบบ “เพื่อนใหม่ผู้ประหม่า”

หัวใจของ Dessa คือความสามารถแบบ full-duplex speech ฟังและพูดได้พร้อมกัน ไม่ต้องรอให้คู่สนทนาพูดจบเหมือนระบบโทรศัพท์สมัยก่อน โมเดลสามารถส่งเสียงตอบรับสั้นๆ หรือ backchannel เช่น “yeah!” หรือ “got it!” ระหว่างที่ผู้ใช้ยังพูดอยู่ รู้จังหวะที่ควรพูดแทรก และปรับน้ำเสียงให้เข้ากับบริบท ในเดโมที่ทีมเผยแพร่ Dessa หัวเราะกลางประโยค พูดดังขึ้นเมื่อถูกขอ และช่วยต่อประโยคเมื่อผู้ใช้จำชื่อหนังไม่ออก โดยทีมย้ำว่า “Nobody taught it that” แสดงให้เห็นว่าการเรียนรู้จากเสียงสนทนาจริงทำให้โมเดลซึมซับรูปแบบปฏิสัมพันธ์ที่มนุษย์ใช้กันทุกวัน

อีกมุมที่น่าสนใจคือบุคลิกของ Dessa ที่หลายคนบอกว่าให้ความรู้สึกเหมือนกำลังคุยกับเพื่อนใหม่ผู้ประหม่า มีความลังเลเล็กน้อยในน้ำเสียงและการเว้นวรรค ซึ่งต่างจาก AI สนทนาเสียงที่มักตอบอย่างมั่นใจเกินมนุษย์ นี่คือจุดที่ทำให้ Dessa น่าจับตา เพราะมันตั้งคำถามกับแนวคิดเดิมที่ว่า AI ต้องตอบเร็วและตรงเสมอ บางทีสิ่งที่ผู้ใช้ต้องการจาก AI สนทนาเสียง อาจเป็นความรู้สึกว่ามีอีกคนหนึ่งที่กำลังคิดไปพร้อมกับเรา ไม่ใช่เครื่องจักรที่ยิงคำตอบออกมาอย่างไร้อารมณ์

สถาปัตยกรรมเสียงล้วนและการรันบนเครื่องส่วนตัว

สิ่งที่ทำให้ Dessa แตกต่างเชิงเทคนิคคือการเทรน “จากศูนย์” ด้วยเสียงสนทนาของมนุษย์เท่านั้น ทีมเขียนชัดว่า “We trained Dessa from scratch on nothing but human conversation. Sounds! No text, no pretrained models” นั่นหมายความว่าโมเดลเรียนรู้ภาษาและการโต้ตอบจากสิ่งที่ได้ยินจริงๆ ไม่ผ่านชั้นแปลงเสียงเป็นข้อความเหมือนระบบ ASR → LLM → TTS ที่ใช้กันทั่วไปใน AI สนทนาเสียงปัจจุบัน ผลคือ Dessa “เรียนรู้ภาษาโดยใช้จำนวนคำที่น้อยกว่า LLM หลายร้อยเท่า” ตามคำอธิบายของทีม แม้จะเทียบตรงๆ กับ LLM ไม่ได้เพราะ LLM ต้องเรียนโค้ดและงานอื่นด้วย แต่ก็สะท้อนว่าการเรียนรู้จากเสียงอาจมีประสิทธิภาพกว่าที่วงการเคยคิด

ในด้านโครงสร้างพื้นฐาน ทีมระบุว่า Dessa เทรนบนคลัสเตอร์ NVIDIA GB200 NVL72 เพียงชุดเดียว ซึ่งถ้าเทียบกับโครงการโมเดลใหญ่ระดับโลกถือว่าใช้ทรัพยากรไม่มากนัก ที่สำคัญกว่านั้นคือคำเคลมว่าตัวโมเดลสามารถรันแบบออฟไลน์บน MacBook Pro M4 Max ขึ้นไป และ inference เร็วกว่า real time ถ้าทำได้จริง นี่จะเป็นหมุดหมายสำคัญของ AI สนทนาเสียง เพราะผู้ใช้สามารถมี voice agent ที่ทำงานบนเครื่องของตัวเองโดยตรง ไม่ต้องส่งเสียงขึ้นคลาวด์ ลดทั้ง latency และความเสี่ยงด้านความเป็นส่วนตัวจากการส่งข้อมูลเสียงออกนอกอุปกรณ์

ผลกระทบต่อภาษาเสียงและโอกาสของภาษาที่ไม่มีตัวหนังสือ

แนวทางของ Dessa สะท้อนการขยับจากโลก AI ที่ยึดข้อความเป็นศูนย์กลาง ไปสู่โลกที่เสียงพูดเป็นข้อมูลหลัก การที่โมเดลเสียงพูด AI ตัวหนึ่งสามารถเรียนรู้จากเสียงสนทนาจริงด้วยจำนวนคำที่น้อยกว่าหลายร้อยเท่า ทำให้เกิดคำถามสำคัญว่า “ภาษาใหม่ๆ จะเรียนรู้ได้มีประสิทธิภาพแค่ไหน” ซึ่งทีมก็ยอมรับว่ายังไม่มีคำตอบ แต่ถ้าสมมติว่าคำตอบออกมาดี ผลกระทบจะใหญ่สำหรับภาษาและสำเนียงที่มีคนพูดเยอะ แต่มีข้อความออนไลน์น้อย เช่น ภาษาถิ่นที่คนใช้ในชีวิตประจำวันแต่ไม่ค่อยมีการเขียนลงแพลตฟอร์มดิจิทัล

มุมมองหนึ่งชี้ว่า ถ้าโมเดลที่เรียนจากเสียงอย่างเดียวสนทนาได้เป็นธรรมชาติ และเทรนได้บน rack เดียวอย่าง GB200 NVL72 ก็แปลว่าภาษาเหล่านี้อาจมีโอกาสได้ AI สนทนาเสียงคุณภาพดีโดยไม่ต้องรอให้มีคลังข้อความขนาดใหญ่ก่อน นี่คือการเปลี่ยนเกมจาก “ต้องมีตัวหนังสือก่อนถึงจะมี AI” เป็น “แค่มีคนพูดก็เริ่มสร้าง AI ได้” ซึ่งอาจเปิดประตูให้ชุมชนท้องถิ่น นักพัฒนาอิสระ หรือองค์กรเล็กๆ สามารถสร้าง voice AI ที่เข้าใจสำเนียงและวัฒนธรรมของตนเองมากขึ้น อย่างไรก็ตาม ด้านกลับของเหรียญคือคำถามเรื่องความถูกต้องของข้อเท็จจริง เพราะโมเดลที่รู้แค่สิ่งที่ “ได้ยิน” อาจมีช่องโหว่ใหญ่กว่าระบบที่มีฐานความรู้จากข้อความจำนวนมหาศาล

ข้อจำกัดที่ยังไม่เปิดเผย และสิ่งที่ควรรอดูต่อไป

แม้ Dessa จะถูกพูดถึงมาก แต่สถานะตอนนี้ยังเป็นเพียงงานวิจัยที่เปิดเดโมให้ดู ทีมระบุชัดว่าปุ่ม Download บนหน้าเว็บยังขึ้นว่า “Download coming soon” ทำให้สิ่งที่ผู้ใช้ทั่วไปเข้าถึงได้มีแค่คลิปเดโมและการลงชื่อใน waitlist ที่สำคัญกว่านั้นคือสิ่งที่ยังไม่มีการเปิดเผย ได้แก่ จำนวนพารามิเตอร์ สถาปัตยกรรมภายใน หรือ paper ทางวิชาการ benchmark เปรียบเทียบกับโมเดลเสียงพูด AI ตัวอื่นอย่าง Moshi หรือ GPT-Live รวมถึงตัวเลข latency ที่วัดได้จริง ปริมาณและภาษาของข้อมูลเสียงที่ใช้เทรน แหล่งที่มาของข้อมูลและวิธีการขอความยินยอม ตลอดจน license และวันที่จะปล่อยให้ดาวน์โหลด

ในช่วง research preview ทีมของ Block เปิดให้เฉพาะนักวิจัยด้านความปลอดภัยของ AI กลุ่มเล็กๆ เข้าทดลองก่อน โดยให้เหตุผลว่าโมเดลที่เรียนพูดจากเสียงอย่างเดียว “is new territory” และต้องการสำรวจผลกระทบอย่างระมัดระวัง สำหรับนักพัฒนาและผู้ใช้ สิ่งที่ควรรอดูไม่ใช่แค่วันปล่อยดาวน์โหลด แต่รวมถึง license และขนาดโมเดลจริง ถ้า Dessa รันบน MacBook Pro M4 Max ได้ตามที่เคลม มันจะกลายเป็น voice agent แบบ local ตัวแรกๆ ที่ไม่ต้องต่อ ASR → LLM → TTS และอาจนิยามใหม่ว่า AI สนทนาเสียงควรหน้าตาอย่างไร ในมุมมองของผู้เขียน Dessa คือการทดลองที่กล้าหาญ แต่ความน่าเชื่อถือจะถูกตัดสินจากข้อมูลและการเปิดให้ตรวจสอบมากกว่าคลิปเดโมที่ทีมเลือกมาให้ดู

ZestBuy ได้รับค่าคอมมิชชั่นเมื่อคุณช้อปผ่านลิงก์ของเรา โดยคุณไม่ต้องจ่ายเพิ่ม บทความนี้สร้างขึ้นด้วย AI จากแหล่งข้อมูลที่เผยแพร่และข้อมูลสินค้า

Related Products

You May Also Like

Comments
พูดอะไรบางอย่าง...
ยังไม่มีความคิดเห็น มาเป็นคนแรกที่แบ่งปันความคิดเห็นของคุณ!