The Decoder'ın haberine göre Block, metin transkriptleri yerine tamamen insan konuşmasıyla eğitilen Dessa adlı ses modelini yayınladı. Belirtilen amaç, metin tabanlı modellerin kaçırdığı duygusal ve prozodik ipuçlarını yakalamak. TechCrunch, ortaya çıkan ses çıktısını belirgin biçimde insan gibi duyulduğunu belirtiyor. Yayın, sesli arayüzlerin agent ürünleri için yaygın bir ön yüz haline geldiği bir döneme denk geliyor.
Agent geliştiricileri için önemli olan demo değil, sinyal yüzeyi. Duyguyu ve prozodiyi okuyan bir model, sesli agent'a kapı olarak kullanabileceği ek girdiler sağlar: insana yükseltme, geri alınamaz bir eylem öncesi onay veya yanıt tonunda değişiklik. Bu kapılar ancak arkalarındaki değerlendirme kadar güvenilirdir ve yalnızca konuşma üzerinden eğitim, hata modlarını değiştirir. Metinle eğitilmiş sistemler genellikle transkripsiyon doğruluğu ve niyet sınıflandırması üzerinde test edilir; yalnızca konuşma ile eğitilmiş bir modelin ise yanlış okunan duygu durumu, lehçe ve aksan çeşitliliği, arka plan gürültüsü ve kendinden emin görünen ama yanlış duygusal çıkarım açısından sorgulanması gerekir.
Sağlanan haberlerin ortaya koymadığı şey, Dessa'nın bunların herhangi birinde nasıl performans gösterdiği. Hiçbir kıyaslama, hata oranı veya değerlendirme metodolojisi tanımlanmamış ve tam mimari ile eğitim verisi bileşimi belirsizliğini koruyor. Üretim ses hattında değerlendiren ekipler, duygusal çıkarımı kesin doğru değil olasılıksal bir sinyal olarak ele almalı ve kapı mantığını yönlendirmesine izin vermeden önce kendi test setlerini oluşturmalıdır.