Block presenta Dessa, un'AI vocale che impara solo ascoltando gli umani parlare

Cosa ci si può fare

• Uno sviluppatore potrebbe eseguire conversazioni vocali full-duplex in locale su un MacBook Pro con chip M4 Max, a velocità superiori al tempo reale ¹.
• Un ricercatore potrebbe esplorare come un modello solo vocale impara nuove lingue e performa nel learning in-context, visto che la pagina del progetto Block invita domande su entrambi gli aspetti ².
• Un utente potrebbe avere una conversazione realistica ed emotiva a due vie con un'AI che ascolta e parla allo stesso tempo, usando segnali come risate, sospiri e interruzioni ².

Come Dessa è diversa

La maggior parte dei sistemi vocali AI oggi funziona in tre fasi: trasformano la tua voce in testo, elaborano il testo con un modello linguistico, poi riscrivono la risposta in parlato ¹. Block dice che questa catena elimina emozione, sarcasmo, risate e sospiri — le cose che rendono una conversazione umana ².

Dessa segue un percorso diverso. Va direttamente dal suono al suono. Block l'ha addestrata da zero solo su registrazioni di persone che parlano tra loro ². Niente testo. Niente modelli preaddestrati. "Crediamo che la voce sia il modo più naturale per interagire con l'intelligenza", ha scritto l'azienda nella pagina del progetto .

Dessa è full-duplex, cioè può ascoltare e parlare contemporaneamente. Le persone lo fanno sempre — annuiscono con un rapido "sì" mentre l'altro sta ancora parlando, o intercalano prima che termini la frase. La maggior parte delle AI vocali attuali non può farlo; aspettano che tu finisca, poi rispondono ³. Block dice che Dessa ha imparato quando intervenire e quando backchannelare semplicemente ascoltando conversazioni reali ¹².

Cosa mostrano le demo

Block ha condiviso diverse registrazioni live di persone che parlano con Dessa. In una, ride a metà frase — qualcosa che l'azienda dice altri modelli fanno solo su richiesta dopo che hai finito di parlare ². In un'altra, resta senza fiato dicendo "oh mio dio" quando è sorpresa e sembra grata fino alle lacrime . Quando le chiedi di alzare la voce, diventa più forte . Un clip mostra persino Dessa che parla con GPT-Live-1 di OpenAI ¹. Nessuno ha guidato nessuno dei clip, dice Block .

Quanto è efficiente?

¹ Secondo Block, Dessa ha acquisito il linguaggio usando centinaia di volte meno parole di quelle che servono ai grandi modelli di AI basati su testo. L'azienda l'ha addestrata su un singolo rack NVIDIA GB200 NVL72 — 72 GPU Blackwell collegate a 36 CPU Grace — molte meno chip rispetto ai modelli full-duplex rivali . Per confronto, Moshi di Kyutai, un altro modello open full-duplex, ha usato 1.016 GPU H100 e 7 milioni di ore di audio preaddestrato ³.

Dessa può girare in locale su un MacBook Pro con chip M4 Max o superiore, a velocità superiori al tempo reale ¹.

Cosa non sappiamo ancora

Nonostante le demo, Block non ha condiviso diversi dettagli chiave: nessun punteggio di benchmark, nessun conteggio parametri, nessun peso del modello, nessun paper di ricerca, nessuna API e nessun prezzo ¹. L'accesso è attualmente una preview di ricerca solo su waitlist . Il modello è stato annunciato il 23 ottobre 2026 .

Quanto è buona

Block non ha pubblicato zero punteggi di benchmark, nessun conteggio parametri e nessun peso del modello per Dessa, quindi non ci sono risultati di test indipendenti per valutarla ¹. L'azienda ha condiviso registrazioni demo live che mostrano risate naturali, interruzioni a metà frase e reazioni espressive, ma non sono state confrontate con modelli rivali . Secondo Block, Dessa ha imparato il linguaggio usando centinaia di volte meno parole di quelle richieste dai grandi modelli di AI basati su testo, sebbene questa affermazione non sia stata verificata indipendentemente . Confrontando rivali come Moshi e GPT-Live-1 hanno pubblicato numeri di latenza, ma le metriche di performance di Dessa restano non divulgate .

I fatti principali

• Dessa è un'AI speech-to-speech full-duplex addestrata solo su audio di conversazioni umane
• Block l'ha addestrata su 1 rack NVIDIA GB200 NVL72 (72 GPU); il rivale Moshi ha usato 1.016 H100
• Gira in locale su un MacBook Pro M4 Max o migliore, più veloce del tempo reale
• Non sono stati pubblicati punteggi di benchmark, pesi, paper, API o prezzi
• L'accesso è una preview di ricerca solo su waitlist annunciata il 23 ottobre 2026

Fonti

1. Block Unveils Dessa, a Full-Duplex Speech Model Trained Only on Speech — marktechpost.com
2. Dessa - the Conversation Model trained only on speech
3. Moshi: a speech-text foundation model for real-time dialogue