Block lancerer Dessa, en fuld-dupleks-talemodel trænet på samtaler

Blocks interne AI-forskningslaboratorium annoncerede Dessa den 23. oktober 2026. Det er en fuld-dupleks-model, der omsætter tale til tale, og som ifølge virksomheden er trænet fra bunden udelukkende på menneskelige samtaler. Samtidig offentliggjorde virksomheden optagelser af live-demonstrationer, åbnede en offentlig venteliste og gav en mindre gruppe AI-sikkerhedsforskere tidlig adgang.

Annonceringen omfattede Blocks side om Dessa og et opslag på X fra Ragavan Thurairatnam, laboratoriets leder. Thurairatnam beskrev Dessa som den første AI-model, der kan føre en realistisk samtale efter udelukkende at være blevet trænet på tale. Han sagde, at den kan køre på almindelige forbruger-GPU’er, og kaldte lanceringen »et GPT-3-øjeblik for tale«. På sin side skriver Block, at Dessa så vidt virksomheden ved, er verdens første AI, der kan føre en realistisk live-samtale efter kun at være blevet trænet på menneskelig tale.

Block beskriver Dessa som en ægte tale-til-tale-model: lyd ind, lyd ud. Den er fuld-dupleks, så den lytter og taler samtidig, og ifølge virksomheden har den lært af virkelige samtaler, hvornår den skal bryde ind, og hvornår den skal komme med små tilkendegivelser for at vise, at den følger med. Block siger, at modellen opfatter og udtrykker følelser, sarkasme og latter på naturlig vis, ligesom den opfatter et frustreret suk og en stemme, der brister af sorg. Virksomheden siger også, at modellens slutninger foretages hurtigere end i realtid, så svarene kommer uden en akavet pause, og at Dessa kører lokalt på en MacBook Pro M4 Max eller en nyere model. Virksomheden kalder den den mest autentiske fuld-dupleks-talemodel, der nogensinde er bygget, og siger, at det føles som at tale med et menneske.

En træningsmetode, der udelukkende bygger på tale

Ifølge siden blev Dessa trænet fra bunden udelukkende på lyd, uden tekst eller fortrænede modeller, og lærte at føre samtaler i realtid alene ved at lytte. Block mener, at det er let at undervurdere, hvor vanskelig opgaven er, fordi mennesker lærer at tale så let. Talelyd gentager sig aldrig: Selv når man siger den samme sætning to gange på præcis samme måde, bliver resultatet forskellige data, mens skrevet tekst er identisk, uanset hvem der skriver den. Siden anfører, at et talt ord fylder tusindvis af gange flere bytes end dets skrevne form, og at trykket ændrer betydningen. Som eksempel nævner siden en sætning, hvis betydning ændres, hver gang trykket lægges på et andet ord.

Block siger, at Dessa lærte sprog ud fra hundredvis af gange færre ord end store sprogmodeller, og at holdet fandt ud af, hvordan modellen kunne trænes på ét enkelt NVIDIA GB200 NVL72-system. Siden opregner åbne forskningsspørgsmål, som metoden rejser: Hvor effektivt lærer sådanne modeller sprog og fakta sammenlignet med tekstbaserede modeller? Hvor effektivt kan de lære nye sprog? Og hvilke former for læring i konteksten kan de udføre?

Optagede demonstrationer

Block offentliggjorde klip, som virksomheden beskriver som liveoptagelser af mennesker, der taler med Dessa. Virksomheden siger, at ingen styrer modellen under samtalerne, og at Dessa selv vælger, hvad den skal sige, hvornår den skal sige det, og hvordan den skal sige det, herunder hvilken stemme og personlighed den skal have. Underteksterne blev tilføjet efterfølgende.

Blandt de beskrevne øjeblikke er, at Dessa griner midt i en sætning, når noget er sjovt, i stedet for at vente, til den anden person er færdig med at tale; at den taler højere, når den bliver bedt om at hæve stemmen; og at den fuldender en persons sætning, når personen går i stå ved titlen på en film. I et andet klip gisper Dessa sagte, da den overraskes af en uventet meddelelse om et jubilæum, og svarer derefter med det, siden beskriver som taknemmelighed med tårer i stemmen. En længere optagelse med livsråd beskrives som oprigtigt empatisk. I en optagelse taler Dessa med GPT-Live-1, en tredjeparts-AI-model. Block bemærker, at begge stemmer i optagelsen er AI-genererede, og at udvikleren af GPT-Live-1 ikke er tilknyttet Block og hverken har gennemgået eller anbefalet Dessa.

Sikkerhed, adgang og laboratoriet

Holdet nævner tre grunde til at bygge Dessa: nysgerrighed, bedre forståelse mellem mennesker og AI samt sikkerhed. Siden bemærker, at babyer lærer at tale uden nogensinde at se et skrevet ord, og siger, at holdet ville undersøge, om en model kunne gøre det samme. Hvad angår sikkerhed, mener Block, at AI bliver stadig mere magtfuld og selvstændig, men stadig ikke kan opfatte følelserne i en talers stemme. Som eksempel nævner virksomheden en person med stærke smerter, mens en stemmebaseret AI ikke aner det og bare fortsætter. Virksomheden beskriver Dessa som et skridt i retning af at løse problemet og kritiserer den nuværende stemmebaserede AI for at omdanne tale til tekst og dermed miste den information, som kun lyden formidler.

Block giver en mindre gruppe AI-sikkerhedsforskere tidlig adgang, så de kan finde risici, som holdet ikke har forudset. I ansøgningsformularen bliver man bedt om at angive sit navn og en institutionsmailadresse fra et universitet, en virksomhed eller et laboratorium. Man kan også valgfrit tilføje et link til Google Scholar eller en blog. Den offentlige venteliste er åben, flere optagelser vil blive delt på Thurairatnams X-konto, og ifølge siden kommer links til lanceringen snart.

Dessa udspringer af det, Block beskriver som et meget lille AI-forskningslaboratorium i virksomheden, grundlagt af tidligere medarbejdere fra Dessa, den Toronto-baserede startup inden for dyb læring. Teamet siger, at det har udviklet modeller til dyb læring siden 2012 og generative talemodeller i mere end otte år, og at det refererer direkte til Jack Dorsey, Blocks medstifter, bestyrelsesformand og øverste leder. Det fremgår af Thurairatnams X-biografi, at han tidligere grundlagde og solgte Dessa og underviste ved University of Toronto. Ud over ham nævner siden forskerne Louay Hazami, Hashiam Kadhim, Qi (Alex) Liu, Rayhane Mama, Aydin Polat og Marc Tyndel; praktikanterne Cara Ji, Jibran Iqbal Shah og Dvir Zagury-Grynbaum; samt de tidligere praktikanter Aryan Sharma og Olivia Yan.