الذكاء الاصطناعي

بلوك تكشف عن نموذج صوتي محلي يصدح بتعبيرات بشرية مدهشة

تسعى شركة بلوك إلى تغيير قواعد اللعبة في مجال الذكاء الاصطناعي الصوتي من خلال إطلاق نموذج ديسا، الذي يجمع بين الأداء المحلي والواقعية العالية في المحادثات.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 24 أكتوبر 2026 · آخر تحديث: 24 أكتوبر 2026 · 4 دقائق قراءة

بلوك تكشف عن نموذج صوتي محلي يصدح بتعبيرات بشرية مدهشة — الصورة: TechCrunch

إطلاق نموذج ديسا الصوتي

أعلنت شركة بلوك، التابعة للمؤسس جاك دورسي، عن إطلاق نموذجها الصوتي الجديد الذي يحمل اسم ديسا. يأتي هذا النموذج من مختبرات الأبحاث التابعة للشركة، ويتميز بقدرته على العمل محلياً على الأجهزة الشخصية، مما يميزه عن العديد من المنافسين الذين يعتمدون بشكل كبير على البنية التحتية السحابية. أكدت الشركة أن النموذج مصمم ليبدو ويبدو بشرياً بشكل مدهش، حيث يتقن استخدام التعبيرات الصوتية مثل الضحك، والتوقفات التكتيكية، وحتى نبرة البكاء عند الحاجة.

تقنية الدبلوكس والتدريب على الكلام

يعتمد نموذج ديسا على بنية معمارية تسمى الدبلوكس (Full-duplex)، مما يعني أنه قادر على الاستماع والتحدث في الوقت نفسه، تماماً كما يفعل البشر في المحادثات الطبيعية. وهذا يتشابه مع نموذج GPT-Live الذي أطلقته شركة OpenAI في وقت سابق من هذا العام. وعلى عكس النماذج التقليدية التي تعتمد على نموذج لغة كبير لاسترجاع المعرفة، توضح بلوك أن معرفة ديسا تستمد من البيانات المحادثة التي تم تدريبه عليها مباشرة.

صرحت الشركة بأن النموذج تم تدريبه بالكامل على الكلام البشري، باستخدام بطاقة معالجة رسومية واحدة من NVIDIA. وتؤكد بلوك أن هذا النهج يسمح بنقل المشاعر والتفاصيل الدقيقة بشكل أصلي، دون الحاجة إلى تحويل الصوت إلى نص أولاً ثم إعادة توليده، وهو ما تعتبره الشركة سبباً رئيسياً في نقص الواقعية في النماذج الحالية.

الواقعية في نقل المشاعر

أشارت بلوك إلى أن النماذج الصوتية الحالية قد تبدو غير طبيعية أو مزعجة بسبب وجود النص في خط الإنتاج الذي يقود توليد الكلام. وتستخدم العديد من النماذج مثل ElevenLabs v4 أو Fish Audio Drama 3 وسوم صوتية (Voice tags) لتوجيه المشاعر في الكلام. في المقابل، تدعي شركة بلوك أن المشاعر مدمجة بشكل أصلي في نموذج ديسا، مما يجعل التفاعل معه يشبه التحدث مع شخص حقيقي مليء بالعاطفة والإيقاع الطبيعي.

أمثلة على الأداء الصوتي

نشر باحثو الشركة عدة أمثلة على محادثات مع ديسا، حيث أظهر النموذج أصواتاً وإيقاعات ومشاعر مختلفة. في أحد الأمثلة، ذكر المساعد الصوتي أنه متعب من العمل، ونبرة صوته تعكس هذا التعب بوضوح. في مثال آخر، كان المساعد يتحدث عن شعوره بالراحة، حيث بدا صوتاً عاطفياً وكاد ينهار من شدة التأثر، مما يعكس قدرة النموذج على محاكاة التقلبات العاطفية المعقدة.

كما أظهرت مقاطع أخرى أعضاء من فريق بلوك وهم يلعبون ألعاب تخمين مع المساعد الصوتي. في إحدى المقاطع، تخمين النموذج الإجابة الصحيحة في المحاولة الأولى، ولم يستغرق وقتاً طويلاً في التخمين الثاني، مما يدل على استجابته السريعة وقدرته على فهم السياق التفاعلي.

المتطلبات التقنية والأداء المحلي

أفادت الشركة بأن النموذج يمكن تشغيله محلياً على أجهزة الاستهلاك، مثل حاسوب ماك بوك M4 Max أو ما هو أحدث. وهذا يمثل خطوة مهمة نحو جعل تقنيات الذكاء الاصطناعي الصوتي المتقدمة متاحة على الأجهزة الشخصية دون الحاجة إلى خوادم سحابية مكلفة. وتعتبر بلوك أن هذا يمثل لحظة GPT3 في مجال الكلام، حيث يفتح الباب أمام تطبيقات واسعة النطاق.

الوصول والأمان

على الرغم من الإمكانيات التقنية العالية، لا يوجد وصول عام إلى نموذج ديسا في الوقت الحالي. بدلاً من ذلك، أطلقت بلوك دعوة للباحثين في مجال الأمن لاختبار النموذج. ويهدف هذا الاختبار إلى تحديد الحالات التي قد يستخدم فيها الوكيل الصوتي للتلاعب بالأشخاص في الطرف الآخر من المحادثة، مما يعكس وعي الشركة بالمخاطر المحتملة المرتبطة بالذكاء الاصطناعي الصوتي.

الأثر التجاري على بلوك

تعمل شركة بلوك في مجال الخدمات المالية وبيع الحلول للشركات الصغيرة. وتستخدم منصة Square بالفعل الذكاء الاصطناعي الصوتي للتعامل مع الطلبات. ومع امتلاكها لنموذج صوتي خاص يمكن تشغيله على الجهاز، تستطيع بلوك تشغيل تجارب أعمال ومستهلكين أكثر تنوعاً بتكلفة أقل، مما يعزز موقعها التنافسي في سوق التكنولوجيا المالية.