Dessa AI · Block Deep-Learning-Forschungslabor · Reines Audio-Basismodell

Dessa AI – Das nur mit menschlicher Sprache trainierte KI-Modell

Dessa AI ist ein Full-Duplex-Sprachmodell von Block. Komplett von Grund auf ausschließlich mit echten menschlichen Gesprächen trainiert – ohne Text-Tokens und ohne vortrainiertes Text-LLM –, lernt Dessa AI Sprache, Timing, Lachen, Unterbrechungen und emotionale Prosodie direkt aus dem Klang, mit hundertmal weniger Wörtern als Text-LLMs.

Block Team Dessa researchers testing live full-duplex speech conversations

Block Team Dessa · 1× NVIDIA GB200 NVL72 training · Local MacBook Pro M4 Max inference.

Interaktive Dessa AI Labs entdecken

0 % Text
Trainingsmodalität

End-to-End mit rohem Gesprächsaudio trainiert – ohne Transkripte oder Text-LLM-Basis.

100× Weniger
Wort-Effizienz

Erlernt flüssige Sprache mit hundertmal weniger Wörtern als klassische Text-LLMs.

1× GB200 NVL72
Trainings-Compute

Trainiert auf einem einzigen NVIDIA GB200 NVL72 Rack statt riesigen Rechenzentren.

M4 Max Lokal
Lokale Inferenz

Läuft lokal schneller als Echtzeit auf einem Apple MacBook Pro mit M4 Max Chip oder besser.

Architektonischer Durchbruch

Warum direktes Lernen aus Klang alles verändert

Klassische Sprachassistenten schalten Spracherkennung (ASR) und Sprachsynthese (TTS) vor und hinter ein Text-LLM – und verlieren dabei 90 % der paralinguistischen Signale. Dessa AI verarbeitet Schallwellen nativ.

Klassische Text-Pipeline

ASR → Text-LLM → TTS Kaskade

  • Reduziert Timing, Atmung, Zögern und gleichzeitiges Sprechen auf flache Text-Tokens.
  • Nutzt starre Pausenerkennung (VAD), was zu unnatürlichen Pausen oder Wortkollisionen führt.
  • Benötigt Billionen Text-Tokens und riesige GPU-Cluster.
  • Lachen und Emotionen sind nachträgliche Stil-Tags statt echter Gesprächsdynamik.
Block Dessa AI Architektur

End-to-End Full-Duplex Audio-Nativ

  • Von Grund auf ausschließlich mit menschlichen Gesprächen trainiert (0 % Text).
  • Echtes Full-Duplex-Hören und -Sprechen: gibt Backchannel-Signale ('mm-hmm'), lässt sich unterbrechen und spürt Pausen.
  • Nimmt nicht-sprachliche Umweltgeräusche wie das Klingeln einer Kaffeemaschine nativ wahr.
  • Emergente Prosodie: flüstert, seufzt, lacht, singt und wechselt mitten im Satz den Tonfall.

Prosodie- & Stresstest

Erklärung von NVIDIA CUDA unter extremen Emotionswechseln

Um zu belegen, dass ein reines Audiomodell fachliche Präzision mit extremer stimmlicher Ausdruckskraft verbindet, ließen die Forscher Dessa AI parallele GPU-Programmierung mit CUDA erklären – während es nahtlos zwischen Begeisterung, Flüstern, Sarkasmus und Theatralik wechselt.

  • Bewahrt fachliche Korrektheit zu Thread-Blöcken, Warps und Shared Memory trotz rascher Stimmwechsel.
  • Beweist, dass semantisches Wissen und paralinguistischer Ausdruck im selben akustischen Latenzraum liegen.
  • Keinerlei Text-Prompts oder TTS-Emotions-Tags – rein über gesprochene Interaktion gesteuert.

Rechenleistung & Hardware-Profil

Trainiert auf 1× GB200 NVL72. Läuft lokal auf dem MacBook Pro M4 Max.

1× NVIDIA GB200 NVL72

Single-Rack-Training

Während große Textmodelle zehntausende GPUs benötigen, wurde Dessa AI auf einem einzigen NVIDIA GB200 NVL72 System trainiert.

MacBook Pro (M4 Max+)

Lokale Echtzeit-Inferenz

Läuft lokal schneller als Echtzeit auf einem Laptop mit Apple M4 Max Chip oder besser – ohne Cloud-Latenz.

100× Weniger Wörter

Kindähnlicher Spracherwerb

Durch direktes Modellieren von Melodie, Rhythmus und sozialem Feedback lernt Dessa AI Sprache extrem datensparsam.

Team & Ursprung bei Block

Entwickelt von Team Dessa, direkt an Jack Dorsey berichtend

Dessa AI entstand in einem kleinen Deep-Learning-Labor bei Block, Inc., gegründet von ehemaligen Mitgliedern des Startups Dessa aus Toronto. Geleitet wird das Team von Ragavan Thurairatnam, mit direkter Berichtslinie an Jack Dorsey.

Projektleitung

Ragavan Thurairatnam (@RagavanThurair)

Executive Sponsor

Jack Dorsey (@jack)

Kernforschung

Louay Hazami · Hashiam Kadhim · Qi (Alex) Liu · Rayhane Mama · Aydin Polat · Marc Tyndel

Forschungspraktikanten

Cara Ji · Jibran Iqbal Shah · Dvir Zagury-Grynbaum

Ehemalige Praktikanten

Aryan Sharma · Olivia Yan

Aufruf an KI-Sicherheitsforscher

Da ein lokal ausführbares, menschlich klingendes Sprachmodell neue Sicherheits- und Täuschungsrisiken birgt, hält Block die Modellgewichte vorerst zurück und arbeitet eng mit Sicherheitsforschern zusammen.

Kontakt für Sicherheitsforschung: ragavan+dessa@block.xyz

block.xyz/dessa ↗

Häufige Fragen (FAQ) zu Dessa AI

Was ist Dessa AI von Block?

Dessa AI ist ein experimentelles Full-Duplex-Sprachmodell von Block, Inc., das komplett ohne Textdaten nur mit echten menschlichen Gesprächen trainiert wurde.

Nutzt Dessa AI im Hintergrund ein Text-LLM oder Spracherkennung?

Nein. Dessa AI verwendet weder Text-Transkripte noch ASR oder ein Text-LLM. Es verarbeitet und erzeugt Audiosignale direkt.

Welche Hardware wurde für Training und Ausführung genutzt?

Trainiert wurde auf einem einzelnen NVIDIA GB200 NVL72 System; die Inferenz läuft schneller als Echtzeit lokal auf einem MacBook Pro mit M4 Max Chip.

Wo kann ich alle Dessa AI Hörproben anhören?

Alle 21 ungesteuerten Originalaufnahmen samt synchronisierten Wellenformen und Transkripten sind direkt auf dieser Seite verfügbar.