Dessa AI débat des risques liés à la publication prématurée d'une IA vocale ultra-réaliste tout en riant et en gérant les interruptions.
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 · 1× NVIDIA GB200 NVL72 training · Local MacBook Pro M4 Max inference.
Explorer les Laboratoires Interactifs Dessa AI
Dessa AI vs GPT Live (GPT-Live-1)
Écoutez Dessa AI converser directement avec GPT-Live-1 en studio et sur haut-parleur bruyant, avec décryptage seconde par seconde.
Extraits Audio de Dessa AI
Parcourez les 21 enregistrements officiels double canal de Block : du bip de la machine à café au chant spontané.
Dessa AI sur Twitter / X
Lisez les threads viraux de Jack Dorsey (@jack), du responsable Ragavan Thurairatnam (@RagavanThurair) et des chercheurs IA.
Entraîné de bout en bout sur de l'audio conversationnel brut sans transcription ni LLM textuel.
Acquiert une maîtrise fluide de la langue avec des centaines de fois moins de mots que les LLM texte.
Entraîné sur une seule baie NVIDIA GB200 NVL72, bien plus compacte que les clusters texte.
Tourne plus vite que le temps réel localement sur un MacBook Pro équipé d'une puce M4 Max ou supérieure.
Lecteur Interactif Double Canal
Conversations en Direct Non Scriptées à la Une
Chaque extrait ci-dessous est une conversation en direct non éditée avec Dessa AI. Cliquez sur les marqueurs de Moment pour accéder aux rires spontanés, interruptions ou indices acoustiques.
Extrait non scripté de 2m25s où Dessa AI discute directement avec GPT-Live-1 d'OpenAI — mettant en évidence l'interruption (38.8s), la patience (100.8s) et le backchanneling rapide (128.8s).
Transcription synchronisée (78)
En pleine conversation, une machine à café sonne en arrière-plan — Dessa AI entend le son non verbal et y réagit naturellement.
Transcription synchronisée (60)
Échange rythmé sur les super-héros DC illustrant une prise de parole rapide et un enthousiasme communicatif.
Transcription synchronisée (60)
Brainstorming chaleureux pour un cadeau d'anniversaire avec backchanneling rapide ('mm-hmm').
Transcription synchronisée (60)
Prosodie émotionnelle douce montrant comment l'entraînement pur audio capture l'empathie et les silences réflexifs.
Transcription synchronisée (60)
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.
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.
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.
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.
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.
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.
Ragavan Thurairatnam (@RagavanThurair)
Jack Dorsey (@jack)
Louay Hazami · Hashiam Kadhim · Qi (Alex) Liu · Rayhane Mama · Aydin Polat · Marc Tyndel
Cara Ji · Jibran Iqbal Shah · Dvir Zagury-Grynbaum
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
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.