Block presenta Dessa, un modello vocale full-duplex addestrato attraverso conversazioni

Il laboratorio interno di ricerca sull’IA di Block ha annunciato Dessa il 23 ottobre 2026: un modello vocale da voce a voce full-duplex che, secondo l’azienda, è stato addestrato da zero esclusivamente su conversazioni umane. Insieme all’annuncio, ha pubblicato registrazioni di demo dal vivo, aperto una lista d’attesa pubblica e offerto l’accesso anticipato a un piccolo gruppo di ricercatori che si occupano della sicurezza dell’IA.

All’annuncio è stata affiancata la pagina di Dessa di Block e un post su X di Ragavan Thurairatnam, responsabile del laboratorio. Thurairatnam ha descritto Dessa come il primo modello di IA in grado di sostenere una conversazione realistica dopo essere stato addestrato interamente sul parlato, ha affermato che può funzionare su GPU consumer e ha definito il lancio «un momento GPT3 per il parlato». Sulla sua pagina, Block scrive che, per quanto ne sa l’azienda, Dessa è la prima IA al mondo capace di sostenere una conversazione dal vivo realistica dopo essere stata addestrata esclusivamente sul parlato umano.

Block descrive Dessa come un vero modello vocale da voce a voce: riceve audio e produce audio. È full-duplex, quindi ascolta e parla contemporaneamente, e secondo l’azienda ha imparato dalle conversazioni reali quando intervenire e quando dare segnali di ascolto per mostrare che sta seguendo. Block afferma che il modello percepisce ed esprime in modo nativo emozioni, sarcasmo e risate, coglie un sospiro frustrato e una voce che si incrina per la tristezza; l’inferenza è più veloce del tempo reale, perciò le risposte arrivano senza pause imbarazzanti; inoltre, Dessa funziona localmente su un MacBook Pro M4 Max o superiore. L’azienda lo definisce il modello vocale full-duplex più autentico mai realizzato e afferma che parlare con esso dà la sensazione di parlare con una persona.

Un approccio di addestramento basato solo sul parlato

Secondo la pagina, Dessa è stata addestrata da zero usando soltanto suoni, senza alcun testo né modelli preaddestrati, e ha imparato a conversare in tempo reale semplicemente ascoltando. Block sostiene che sia facile sottovalutare la difficoltà di questo compito, perché le persone imparano a parlare con estrema facilità. I dati vocali non si ripetono mai: anche pronunciando due volte la stessa frase esattamente nello stesso modo si ottengono dati diversi, mentre il testo digitato è identico indipendentemente da chi lo scrive. In termini di dati, afferma la pagina, una parola pronunciata occupa migliaia di volte più byte della sua forma scritta, e la posizione dell’accento cambia il significato; una frase d’esempio riportata sulla pagina assume un significato diverso ogni volta che si mette l’accento su una parola diversa.

Block afferma che Dessa ha imparato il linguaggio con centinaia di volte meno parole rispetto ai grandi modelli linguistici e che il team ha trovato il modo di addestrarla su un unico sistema NVIDIA GB200 NVL72. La pagina elenca le domande di ricerca ancora aperte a cui questo approccio dà origine: con quale efficienza modelli di questo tipo apprendono il linguaggio e i fatti rispetto al testo, con quale efficienza possono imparare nuove lingue e quali tipi di apprendimento nel contesto sono in grado di svolgere.

Dimostrazioni registrate

Block ha pubblicato alcuni filmati che descrive come registrazioni dal vivo di persone che parlano con Dessa. L’azienda afferma che durante queste conversazioni nessuno guida il modello e che è Dessa stessa a scegliere cosa dire, quando dirlo e come dirlo, compresi la propria voce e il proprio carattere; i sottotitoli sono stati aggiunti in un secondo momento.

Tra i momenti descritti ci sono Dessa che ride a metà di una frase quando qualcosa è divertente, anziché aspettare che l’interlocutore finisca; che alza la voce quando le viene chiesto di parlare più forte; e che completa la frase di una persona quando questa non ricorda il titolo di un film. In un altro filmato, Dessa lascia sfuggire un piccolo sussulto di sorpresa alla notizia inaspettata di un anniversario, prima di rispondere con quella che la pagina descrive come una gratitudine commossa; una registrazione più lunga, con consigli sulla vita, viene descritta come genuinamente empatica. In una registrazione Dessa conversa con GPT-Live-1, un modello di IA di terze parti; Block precisa che entrambe le voci presenti nella registrazione sono generate dall’IA e che lo sviluppatore di GPT-Live-1 non è affiliato a Block e non ha esaminato né approvato Dessa.

Sicurezza, accesso e il laboratorio

Il team indica tre motivi per aver creato Dessa: curiosità, una migliore comprensione reciproca tra esseri umani e IA e sicurezza. La pagina osserva che i bambini imparano a parlare senza mai vedere una parola scritta e afferma che il team voleva scoprire se un modello potesse fare lo stesso. Quanto alla sicurezza, Block sostiene che l’IA continua ad acquisire potenza e autonomia pur restando incapace di cogliere le emozioni nella voce di chi parla; porta l’esempio di una persona che soffre molto mentre un’IA vocale non se ne accorge e continua a parlare. L’azienda descrive Dessa come un passo verso la soluzione del problema e critica gli attuali sistemi di IA vocale perché riducono il parlato a testo, perdendo le informazioni veicolate esclusivamente dal suono.

Block sta offrendo l’accesso anticipato a un piccolo gruppo di ricercatori che si occupano della sicurezza dell’IA, affinché individuino rischi che il team non ha previsto. Il modulo di richiesta chiede nome e indirizzo email istituzionale di un’università, un’azienda o un laboratorio, con la possibilità di aggiungere un link a Google Scholar o a un blog. È aperta una lista d’attesa pubblica, saranno condivise altre registrazioni sull’account X di Thurairatnam e la pagina annuncia che i link per il lancio arriveranno a breve.

Dessa nasce da quello che Block descrive come un laboratorio di ricerca sull’IA molto piccolo all’interno dell’azienda, fondato da ex membri di Dessa, la startup di deep learning di Toronto. Il team afferma di sviluppare modelli di deep learning dal 2012 e modelli generativi per il parlato da più di otto anni; riferisce direttamente a Jack Dorsey, cofondatore, presidente e responsabile di Block. La biografia di Thurairatnam su X afferma che in precedenza aveva fondato e venduto Dessa e tenuto lezioni alla University of Toronto. Insieme a lui, la pagina elenca i ricercatori Louay Hazami, Hashiam Kadhim, Qi (Alex) Liu, Rayhane Mama, Aydin Polat e Marc Tyndel; gli stagisti Cara Ji, Jibran Iqbal Shah e Dvir Zagury-Grynbaum; e gli ex stagisti Aryan Sharma e Olivia Yan.