Block lansează Dessa, un model vocal full-duplex antrenat pe conversații

Laboratorul intern de cercetare în domeniul IA al Block a anunțat Dessa pe 23 octombrie 2026, un model vocal full-duplex care transformă vorbirea în vorbire și despre care compania afirmă că a fost antrenat de la zero exclusiv pe conversații între oameni. Odată cu anunțul, compania a publicat înregistrări ale demonstrațiilor live, a deschis o listă publică de așteptare și a oferit acces anticipat unui grup restrâns de cercetători în domeniul siguranței IA.

Anunțul a fost însoțit de pagina Dessa a Block și de o postare pe X a lui Ragavan Thurairatnam, coordonatorul laboratorului. Thurairatnam a descris Dessa drept primul model de IA capabil să susțină o conversație realistă după ce a fost antrenat exclusiv pe vorbire, a spus că poate rula pe GPU-uri destinate consumatorilor și a numit lansarea „un moment GPT-3 pentru vorbire”. Pe pagina sa, Block scrie că, din câte știe compania, Dessa este primul sistem de IA din lume capabil să susțină o conversație live realistă după ce a fost antrenat numai pe vorbire umană.

Block descrie Dessa drept un model autentic care transformă vorbirea în vorbire: primește semnal audio și produce semnal audio. Este full-duplex, astfel că ascultă și vorbește în același timp, iar compania afirmă că modelul a învățat din conversații reale când să intervină și când să ofere reacții scurte, arătând că urmărește discuția. Block spune că modelul percepe și exprimă în mod nativ emoții, sarcasm și râs, precum și un oftat de frustrare sau o voce care se frânge de tristețe; inferența se desfășoară mai repede decât în timp real, astfel încât răspunsurile vin fără o pauză stânjenitoare; iar Dessa rulează local pe un MacBook Pro M4 Max sau pe un model superior. Compania îl numește cel mai autentic model vocal full-duplex creat vreodată și afirmă că discuția cu el seamănă cu o conversație cu o persoană.

O abordare de antrenare bazată exclusiv pe vorbire

Potrivit paginii, Dessa a fost antrenat de la zero numai pe sunete, fără niciun text sau model preantrenat, și a învățat să converseze în timp real doar ascultând. Block susține că este ușor să subestimăm dificultatea acestei sarcini, deoarece oamenii învață să vorbească atât de ușor. Datele vocale nu se repetă niciodată: chiar și rostirea aceleiași propoziții de două ori, exact în același fel, produce date diferite, în timp ce textul tastat rămâne identic, indiferent cine îl tastează. În termeni de date, se arată pe pagină, un cuvânt rostit ocupă de mii de ori mai mulți octeți decât forma sa scrisă, iar plasarea accentului schimbă sensul; o propoziție prezentată ca exemplu pe pagină capătă un sens diferit de fiecare dată când accentul cade pe un alt cuvânt.

Block afirmă că Dessa a învățat limbajul folosind de sute de ori mai puține cuvinte decât modelele lingvistice mari și că echipa a găsit o modalitate de a-l antrena pe un singur sistem NVIDIA GB200 NVL72. Pagina enumeră întrebările deschise de cercetare pe care le ridică această abordare: cât de eficient învață astfel de modele limbajul și faptele în comparație cu modelele bazate pe text, cât de eficient pot învăța limbi noi și ce tipuri de învățare contextuală pot realiza.

Demonstrații înregistrate

Block a publicat clipuri pe care le descrie drept înregistrări live cu oameni care discută cu Dessa. Compania afirmă că nimeni nu dirijează modelul în timpul acestor conversații și că Dessa alege singur ce să spună, când să vorbească și cum să o facă, inclusiv ce voce și personalitate să adopte; subtitrările au fost adăugate ulterior.

Printre momentele descrise se numără cel în care Dessa râde în mijlocul unei propoziții când ceva i se pare amuzant, în loc să aștepte până când interlocutorul termină de vorbit; vorbește mai tare când i se cere să ridice vocea; și termină propoziția unei persoane care nu-și amintește titlul unui film. Într-un alt clip, Dessa scoate un mic sunet de surprindere când aude pe neașteptate un anunț despre o aniversare, apoi răspunde cu ceea ce pagina descrie drept recunoștință însoțită de lacrimi, iar o înregistrare mai lungă, cu sfaturi despre viață, este descrisă ca sunând cu adevărat empatic. Într-o înregistrare, Dessa conversează cu GPT-Live-1, un model de IA al unei terțe părți; Block precizează că ambele voci din înregistrare sunt generate de IA și că dezvoltatorul GPT-Live-1 nu este afiliat cu Block și nu a evaluat și nici nu a susținut Dessa.

Siguranța, accesul și laboratorul

Echipa invocă trei motive pentru crearea lui Dessa: curiozitatea, o mai bună înțelegere între oameni și IA și siguranța. Pagina remarcă faptul că bebelușii învață să vorbească fără să vadă vreodată un cuvânt scris și spune că echipa a vrut să afle dacă un model ar putea face același lucru. În ceea ce privește siguranța, Block susține că IA devine tot mai puternică și mai independentă, dar continuă să nu poată percepe emoția din vocea unei persoane. Compania dă exemplul unei persoane care suferă foarte tare, în timp ce o IA vocală nu-și dă seama și își continuă activitatea. Block descrie Dessa drept un pas spre rezolvarea acestei probleme și critică sistemele vocale de IA actuale pentru că reduc vorbirea la text, pierzând informațiile transmise doar prin sunet.

Block oferă acces anticipat unui grup restrâns de cercetători în domeniul siguranței IA, pentru a identifica riscuri pe care echipa nu le-a anticipat. Formularul de înscriere solicită un nume și o adresă de e-mail instituțională de la o universitate, companie sau laborator, iar un link către Google Scholar sau un blog este opțional. Lista publică de așteptare este deschisă, urmează să fie publicate mai multe înregistrări pe contul de X al lui Thurairatnam, iar pagina precizează că linkurile pentru lansare vor apărea în curând.

Dessa provine din ceea ce Block descrie drept un laborator de cercetare în domeniul IA foarte mic din cadrul companiei, fondat de foști membri ai Dessa, startup-ul din Toronto specializat în învățare profundă. Echipa spune că dezvoltă modele de învățare profundă din 2012 și modele de vorbire generativă de peste opt ani și că raportează direct lui Jack Dorsey, cofondatorul, președintele consiliului de administrație și directorul Block. Biografia lui Thurairatnam de pe X menționează că acesta a fondat și a vândut anterior Dessa și a predat la University of Toronto. Pe lângă el, pagina îi menționează pe cercetătorii Louay Hazami, Hashiam Kadhim, Qi (Alex) Liu, Rayhane Mama, Aydin Polat și Marc Tyndel; pe stagiarii Cara Ji, Jibran Iqbal Shah și Dvir Zagury-Grynbaum; și pe foștii stagiari Aryan Sharma și Olivia Yan.