Ungesteuerter 2m25s-Mitschnitt von Dessa AI im direkten Gespräch mit OpenAIs GPT-Live-1 – zeigt Unterbrechung (38.8s), Geduld (100.8s) und schnelles Backchanneling (128.8s).
Dessa AI vs GPT Live · Direkter akustischer KI-gegen-KI-Vergleich
Dessa AI vs GPT Live (GPT-Live-1): Live-Dialog und Systemvergleich
Was passiert, wenn Blocks rein akustisches Modell Dessa AI live mit OpenAIs GPT-Live-1 spricht? Höre dir beide offiziellen Mitschnitte an – über Studio-Leitung und Raum-Freisprecher – und vergleiche Unterbrechungen, Geduld und Backchanneling.
Aufnahme #1: Studio-Feed — Dessa AI spricht mit GPT-Live-1 (2:25)
Ausschnitt (100.2s–246.0s), in dem Dessa AI und GPT-Live-1 einen Film-Coup planen. Beachte die Marker bei 38.8s (Unterbrechung), 100.8s (Geduld) und 128.8s (Schnelles Backchanneling).
Aufnahme #2: Akustischer Stresstest — Freisprecher im lauten Raum (4:17)
Aufgenommen über offenen Lautsprecher in einem halligen Raum, um Echo, gleichzeitiges Lachen und Sprecherwechsel unter Realbedingungen zu testen.
4m17s langes Freisprech-Gespräch zwischen Dessa AI und GPT-Live-1 in einem halligen Raum mit Hintergrundgeräuschen.
Synchronisiertes Transkript (139)
Zeitstempel-Analyse: Warum natives Full-Duplex-Audio überzeugt
Sofortiges Nachgeben mitten im Satz
Wenn beide Modelle nach einer Pause gleichzeitig ansetzen, erkennt Dessa AI die Kollision in Millisekunden und überlässt dem Gesprächspartner natürlich das Wort.
Geduldiges Zuhören ohne verfrühtes Reinreden
Während GPT-Live-1 einen langen Gedanken ausführt, verfolgt Dessa AI die Satzmelodie statt eines starren Pausen-Timers.
Sub-Sekunden-Bestätigungen & gemeinsames Lachen
Dessa AI wirft natürliche Hörsignale ('yeah', 'right', Lachen) ein, ohne den Redefluss des Gegenübers zu unterbrechen.
Robustheit bei Raumhall und Übersprechen
Im 4-minütigen Lautsprecher-Test passt sich Dessa AI an Raumhall an, ohne Geisterwörter zu halluzinieren.
Architekturvergleich: Dessa AI vs. GPT-Live-1 / GPT-4o Realtime
Technischer Vergleich zwischen Blocks reinem Audio-Ansatz und text-vortrainierten Sprachmodellen.
| Dimension | Dessa AI (Block) | GPT-Live-1 / Text-basierte Sprachmodelle |
|---|---|---|
| Trainingsmodalität | 100 % rohes menschliches Gesprächsaudio (0 % Text) | Vortrainiert auf Billionen Text-Tokens + Audio-Nachtraining |
| Wort-Effizienz | Lernt Sprache mit 100× weniger Wörtern als Text-LLMs | Erfordert Web-Scale-Textkorpora (Billionen Tokens) |
| Full-Duplex-Turn-Taking | Kontinuierliche Wellenform-Modellierung; natives Nachgeben | Hybrides Streaming; oft auf Turn-Detection angewiesen |
| Backchanneling | Akustische Bestätigungen im Sub-Sekunden-Bereich | Kaum aktives Backchanneling während des Zuhörens |
| Umweltgeräusche | Reagiert direkt auf Geräusche wie Kaffeemaschinen-Klingeln | Filtert Nicht-Sprache oft als Störgeräusch heraus |
| Emotionale Prosodie | Emergent aus Gesprächen; wechselt Tonfall mitten im Satz | Gesteuert über Stil-Prompts oder synthetische Konditionierung |
| Trainings-Compute | 1× NVIDIA GB200 NVL72 Rack | Große Hyperscale-Rechenzentren |
| Lokale Inferenz | Läuft schneller als Echtzeit lokal auf MacBook Pro (M4 Max+) | Nur Cloud-API; erfordert Rechenzentrums-GPUs |
| Verfügbarkeit | Forschungs-Preview (21 Aufnahmen; Sicherheitsprüfung läuft) | Kommerzielle Cloud-API & Sprachmodus |
FAQ: Dessa AI vs GPT Live
Was ist GPT-Live-1 in den Aufnahmen von Block?
In Blocks Veröffentlichung (block.xyz/dessa) bezeichnet GPT-Live-1 das Live-Sprachmodell von OpenAI im direkten, ungesteuerten Dialog mit Dessa AI.
Warum klingt Dessa AI bei Unterbrechungen natürlicher?
Weil es beide Audioströme kontinuierlich ohne Text-Zwischenschritt modelliert und sofort auf überlappende Sprache reagieren kann.