Dessa AI · Laboratoire de Deep Learning de Block · Modèle Fondamental Pur Audio

Dessa AI — Le modèle conversationnel entraîné uniquement sur la parole

Dessa AI est un modèle fondamental vocal full-duplex développé chez Block. Entraîné de zéro exclusivement sur des enregistrements de conversations humaines réelles — avec zéro texte et aucun LLM pré-entraîné —, Dessa AI apprend la langue, le rythme, les rires, les interruptions et la prosodie émotionnelle directement à partir du son, avec des centaines de fois moins de mots que les LLM textuels.

Block Team Dessa researchers testing live full-duplex speech conversations

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

Explorer les Laboratoires Interactifs Dessa AI

0 % Texte
Modalité d'Entraînement

Entraîné de bout en bout sur de l'audio conversationnel brut sans transcription ni LLM textuel.

100× Moins
Efficacité Lexicale

Acquiert une maîtrise fluide de la langue avec des centaines de fois moins de mots que les LLM texte.

1× GB200 NVL72
Calcul d'Entraînement

Entraîné sur une seule baie NVIDIA GB200 NVL72, bien plus compacte que les clusters texte.

M4 Max Local
Inférence Locale

Tourne plus vite que le temps réel localement sur un MacBook Pro équipé d'une puce M4 Max ou supérieure.

Rupture Architecturale

Pourquoi Apprendre Directement du Son Change Tout

Les assistants vocaux classiques greffent une transcription ASR et une synthèse TTS sur un LLM textuel, éliminant 90 % du signal paralinguistique. Dessa AI traite le son brut comme sa représentation native.

Pipeline Classique Basé sur le Texte

Cascade ASR → LLM Texte → TTS

  • Écrase le rythme, la respiration, les hésitations et les chevauchements en simples tokens de texte.
  • Dépend d'une détection d'activité vocale (VAD) rigide, créant des pauses artificielles.
  • Nécessite des milliers de milliards de tokens texte et d'immenses datacenters.
  • Le rire et l'émotion sont des balises artificielles ajoutées après coup.
Architecture Dessa AI (Block)

Audio Full-Duplex Natif de Bout en Bout

  • Entraîné de zéro exclusivement sur des conversations humaines (0 % texte).
  • Écoute et parole full-duplex réelles : acquiesce ('mm-hmm'), cède la parole en cas d'interruption et perçoit les silences.
  • Entend nativement les événements acoustiques non verbaux comme le bip d'une machine à café.
  • Prosodie émergente : chuchote, soupire, rit, chante et change d'intonation en pleine phrase.

Test de Prosodie & de Stress

Expliquer la Programmation Parallèle CUDA à Travers des Émotions Extrêmes

Pour prouver qu'un modèle purement audio conserve sa rigueur technique tout en modulant son expression vocale, les chercheurs de Block ont demandé à Dessa AI d'expliquer la programmation parallèle NVIDIA CUDA en passant instantanément de l'excitation au chuchotement, au sarcasme et à l'urgence théâtrale.

  • Maintient une explication précise des blocs de threads, warps et mémoire partagée tout en variant le timbre vocal.
  • Démontre que connaissances sémantiques et expression paralinguistique partagent un espace latent acoustique unifié.
  • Aucun prompt texte ni balise TTS : guidé uniquement par l'interaction vocale.

Empreinte Calcul & Matériel

Entraîné sur 1× GB200 NVL72. Tourne en Local sur MacBook Pro M4 Max.

1× NVIDIA GB200 NVL72

Entraînement sur Baie Unique

Alors que les modèles texte-multimodaux mobilisent des dizaines de milliers de GPU, Dessa AI a été entraîné sur un seul rack NVIDIA GB200 NVL72.

MacBook Pro (M4 Max+)

Inférence Locale Plus Rapide que le Temps Réel

Exécute l'inférence voix-à-voix full-duplex localement sur un portable Apple M4 Max ou supérieur sans latence cloud.

100× Moins de Mots

Acquisition du Langage Comme un Enfant

En modélisant directement la prosodie, la cadence et le retour social, Dessa AI reproduit l'efficacité d'apprentissage humaine.

Équipe & Origines chez Block

Conçu par Team Dessa, Rattaché à Jack Dorsey

Dessa AI a été créé par un laboratoire de recherche en deep learning au sein de Block, Inc., fondé par d'anciens membres de la startup torontoise Dessa. L'équipe est dirigée par Ragavan Thurairatnam et dépend directement de Jack Dorsey.

Responsable du Projet

Ragavan Thurairatnam (@RagavanThurair)

Sponsor Exécutif

Jack Dorsey (@jack)

Chercheurs Principaux

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

Chercheurs Stagiaires

Cara Ji · Jibran Iqbal Shah · Dvir Zagury-Grynbaum

Anciens Stagiaires

Aryan Sharma · Olivia Yan

Appel Ouvert aux Chercheurs en Sécurité de l'IA

Parce qu'un modèle vocal indiscernable d'un humain tournant en local pose de nouveaux défis d'usurpation et de sécurité, Block n'a pas encore publié les poids du modèle et collabore avec des chercheurs en sécurité.

Contact Recherche & Sécurité : ragavan+dessa@block.xyz

block.xyz/dessa ↗

Questions Fréquentes sur Dessa AI

Qu'est-ce que Dessa AI de Block ?

Dessa AI est un modèle fondamental expérimental de parole full-duplex développé par Block, Inc., entraîné de zéro uniquement sur de l'audio de conversations humaines sans aucun texte.

Dessa AI utilise-t-il un LLM textuel ou une transcription ASR ?

Non. Dessa AI n'utilise ni transcription texte, ni ASR, ni LLM textuel intermédiaire. Il traite et génère directement des ondes sonores.

Sur quel matériel a-t-il été entraîné et où peut-il tourner ?

Il a été entraîné sur un unique système NVIDIA GB200 NVL72 et fonctionne plus vite que le temps réel localement sur un MacBook Pro M4 Max ou supérieur.

Où écouter les 21 extraits audio de Dessa AI ?

Vous pouvez écouter les 21 conversations officielles non scriptées avec formes d'onde synchronisées et transcriptions complètes directement sur ce site.