Dessa คืออะไร และต่างจากผู้ช่วยเสียงทั่วไปอย่างไร
Dessa คือโมเดลเสียง AI แบบรับเสียงเข้าและส่งเสียงออกที่สนทนาแบบฟูลดูเพล็กซ์ โดยฟังและพูดโต้ตอบพร้อมกันได้โดยไม่ต้องแปลงคำพูดเป็นข้อความก่อน จึงมุ่งรักษาจังหวะ น้ำเสียง และสัญญาณตอบรับระหว่างบทสนทนา
ห้องปฏิบัติการวิจัย AI ภายในบริษัท Block ประกาศเปิดตัว Dessa เมื่อวันที่ 23 ตุลาคม 2026 และระบุว่าเป็นโมเดล AI สนทนาด้วยเสียงที่ฝึกจากเสียงพูดของมนุษย์เท่านั้น จุดเด่นของ AI full-duplex ไม่ใช่แค่ตอบเร็ว แต่คือการรับฟังอีกฝ่ายต่อเนื่องระหว่างที่ตัวเองพูดได้ รวมถึงเลือกจังหวะพูดแทรกหรือส่งเสียงรับรู้ เช่น “อือ” และ “เข้าใจแล้ว” ตามที่ทีมกล่าวอ้าง
แนวทางนี้น่าสนใจกว่าเดโมเสียงที่เพียงอ่านคำตอบออกเสียง เพราะน้ำเสียง หัวเราะ ถอนหายใจ หรือความลังเลล้วนมีความหมายในการสนทนา อย่างไรก็ตาม คำว่า “สนทนาได้สมจริง” ยังเป็นคำอธิบายของผู้สร้าง ไม่ใช่ข้อสรุปจากการทดสอบอิสระ และตัวอย่างที่เผยแพร่ยังมีจังหวะผิดธรรมชาติหรือเข้าใจผู้พูดคลาดเคลื่อนให้เห็น

ฝึกจากเสียงล้วน: แนวคิดที่น่าจับตา แต่ยังมีคำถาม
Block ระบุว่า Dessa ฝึกขึ้นใหม่ทั้งหมดจากบทสนทนาเสียงของมนุษย์ โดยไม่ใช้ข้อความและไม่อาศัยโมเดลที่ผ่านการฝึกมาก่อน นี่คือการท้าทายสมมติฐานที่ใช้กันแพร่หลายว่า AI สนทนาด้วยเสียงต้องพึ่งโมเดลภาษาที่เรียนจากข้อความเป็นแกน แล้วค่อยต่อระบบรู้จำเสียงและสร้างเสียงพูด
เหตุผลที่ทีมให้ไว้มีทั้งความอยากรู้อยากเห็น ความเข้าใจระหว่างมนุษย์กับ AI และความปลอดภัย โดยเปรียบเทียบว่าเด็กเรียนรู้การพูดได้โดยไม่ต้องเห็นคำเขียน แนวคิดนี้อาจช่วยให้ระบบจับอารมณ์จากเสียงได้ตรงกว่าการลดคำพูดให้เหลือข้อความ แต่ยังไม่รู้ว่าข้อมูลฝึกมีปริมาณเท่าใด ใช้ภาษาอะไร มาจากแหล่งใด หรือได้รับความยินยอมอย่างไร
ทีมยังอ้างว่า Dessa เรียนรู้ภาษาโดยใช้จำนวนคำน้อยกว่าโมเดลภาษาขนาดใหญ่หลายร้อยเท่า และฝึกบนระบบ NVIDIA GB200 NVL72 เพียงชุดเดียว ตัวเลขเหล่านี้ชวนให้ตั้งคำถามที่มีคุณค่า แต่เมื่อไม่มีรายละเอียดวิธีวัดและงานวิจัยให้ตรวจสอบ ก็ยังใช้ยืนยันความคุ้มค่าหรือความก้าวหน้าที่เหนือกว่าโมเดลอื่นไม่ได้
รันบน Mac ได้ตามคำกล่าวอ้าง แต่ยังทดลองเองไม่ได้
Block ระบุว่า Dessa ทำงานบน MacBook Pro M4 Max หรือรุ่นที่แรงกว่าได้ และประมวลผลเร็วกว่าความเร็วเรียลไทม์ หากคำกล่าวนี้เป็นจริง การประมวลผลเสียงในเครื่องอาจลดเวลารอและลดการส่งเสียงผู้ใช้ออกไปยังบริการภายนอก เมื่อเทียบกับระบบที่ส่งเสียงผ่านขั้นรู้จำคำพูด โมเดลภาษา แล้วจึงสร้างเสียงตอบกลับ
แต่ผู้ใช้ทั่วไปยังพิสูจน์ข้ออ้างนั้นไม่ได้ เพราะโมเดลยังไม่มีให้ดาวน์โหลด ปุ่มดาวน์โหลดระบุเพียงว่ากำลังจะเปิดให้ใช้ในภายหลัง และตอนนี้มีเพียงคลิปสาธิตกับรายชื่อรอใช้งาน ทีมเปิดให้กลุ่มนักวิจัยด้านความปลอดภัย AI จำนวนเล็กน้อยเข้าทดลองก่อน ส่วนบุคคลทั่วไปลงชื่อรอได้
การแสดงเดโมจึงยังไม่เท่ากับการเข้าถึงผลิตภัณฑ์จริง ผู้ใช้ยังไม่รู้ว่าจะติดตั้งอย่างไร ใช้ทรัพยากรเครื่องเท่าใด หรือประสบการณ์สนทนาจะคงเส้นคงวาเพียงใด การอ้างว่ารันบนแล็ปท็อปได้เป็นประเด็นสำคัญ แต่ควรรอการทดสอบจากคนนอกทีมก่อนนำไปคาดการณ์การใช้งานในชีวิตประจำวัน
ข้อจำกัดของหลักฐาน และสิ่งที่ควรรอดู
ช่องว่างสำคัญคือ Block ยังไม่เปิดเผยขนาดโมเดล สถาปัตยกรรม เอกสารงานวิจัย หรือผล benchmark เทียบกับโมเดลเสียงอื่น เมื่อไม่มีตัวเลขด้านความหน่วง ความแม่นยำ และคุณภาพบทสนทนาที่วัดซ้ำได้ การประเมินว่า Dessa เก่งกว่า เป็นธรรมชาติกว่า หรือปลอดภัยกว่าคู่แข่งจึงยังทำได้จำกัด
ตัวอย่างที่เผยแพร่แสดงให้เห็นความสามารถน่าสนใจ เช่น หัวเราะระหว่างบทสนทนาและช่วยต่อประโยคเมื่อผู้พูดนึกชื่อหนังไม่ออก แต่คลิปที่คัดเลือกมาไม่อาจแทนการทดสอบในสถานการณ์หลากหลายได้ แม้แต่การสนทนาที่ฟังลื่นไหลก็ยังไม่บอกว่าโมเดลเข้าใจเนื้อหาแม่นเพียงใด หรือจะตอบสนองเหมาะสมเมื่อเจอเสียงรบกวนและภาษาที่ไม่คุ้นเคยหรือไม่
Dessa ของ Block จึงเป็นการทดลองที่ควรติดตาม ไม่ใช่หลักฐานว่าปัญหาการสนทนาด้วยเสียงถูกแก้แล้ว คุณค่าที่แท้จริงจะชัดขึ้นเมื่อเปิดให้ดาวน์โหลด พร้อมข้อมูลขนาดโมเดล ใบอนุญาต แหล่งข้อมูลฝึก และผลทดสอบที่เทียบเคียงได้ จนกว่าจะถึงตอนนั้น ควรมองคำกล่าวอ้างด้านความเป็นธรรมชาติและประสิทธิภาพเป็นสมมติฐานที่ยังต้องพิสูจน์







