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).
Dessa AI vs GPT Live · Confrontation Acoustique Directe IA contre IA
Dessa AI vs GPT Live (GPT-Live-1) : Confrontation Vocale et Technique
Que se passe-t-il lorsque le modèle pur audio Dessa AI de Block discute en direct avec GPT-Live-1 d'OpenAI ? Écoutez les deux enregistrements officiels non scriptés — en ligne studio et sur haut-parleur bruyant — et observez la gestion des interruptions, de la patience et du backchanneling.
Enregistrement #1 : Ligne Studio — Dessa AI parle avec GPT-Live-1 (2:25)
Extrait non scripté (100.2s–246.0s) où Dessa AI et GPT-Live-1 préparent un braquage de film. Notez les repères à 38.8s (Interruption), 100.8s (Patience) et 128.8s (Backchanneling rapide).
Enregistrement #2 : Test de Stress Acoustique — Haut-parleur en Pièce Bruyante (4:17)
Enregistré via un haut-parleur ouvert dans une pièce réverbérante pour tester la gestion de l'écho, des rires simultanés et des collisions de parole.
Conversation de 4m17s sur haut-parleur dans une pièce bruyante entre Dessa AI et GPT-Live-1 avec écho et chevauchements.
Transcription synchronisée (139)
Analyse Chronologique : Pourquoi l'Audio Natif Full-Duplex L'emporte
Cession Instantanée de la Parole en Pleine Phrase
Lorsque les deux modèles commencent à parler simultanément après une pause, Dessa AI détecte la collision en quelques millisecondes et laisse naturellement la parole.
Écoute Patiente sans Couper Prematurement
Pendant que GPT-Live-1 développe une longue tirade, Dessa AI suit le contour prosodique plutôt qu'un minuteur de silence fixe.
Acquiescements Sub-Seconde et Rires Partagés
Dessa AI glisse des relances naturelles ('yeah', 'right', rires) tout en écoutant sans voler le tour de parole.
Résistance à la Réverbération et au Bruit Ambiant
Dans l'enregistrement de 4 minutes sur haut-parleur, Dessa AI adapte sa cadence à l'écho sans halluciner de mots fantômes.
Comparatif d'Architecture : Dessa AI vs GPT-Live-1 / GPT-4o Realtime
Comparaison technique entre l'approche purement acoustique de Block et les modèles vocaux pré-entraînés sur du texte.
| Dimension | Dessa AI (Block) | GPT-Live-1 / Modèles Vocaux Pré-entraînés sur Texte |
|---|---|---|
| Modalité d'Entraînement | 100 % audio de conversation humaine de zéro (0 % texte) | Pré-entraîné sur des milliers de milliards de tokens texte + post-entraînement audio |
| Efficacité d'Apprentissage | Apprend la langue avec 100× moins de mots que les LLM texte | Exige d'immenses corpus web (milliers de milliards de tokens) |
| Alternance Full-Duplex | Modélisation continue des ondes ; chevauchement et cession natifs | Streaming hybride ; dépend souvent d'heuristiques de détection de tour |
| Backchanneling | Relances acoustiques sub-seconde sans couper la parole | Fait rarement du backchannel en écoutant ; attend ou interrompt |
| Conscience Acoustique Non Verbale | Réagit directement aux sons ambiants (bip de machine à café) | Filtre ou ignore généralement les sons non verbaux |
| Prosodie Émotionnelle & Rires | Émergente de l'audio conversationnel ; change de ton en cours de phrase | Contrôlée par prompts de style ou conditionnement synthétique |
| Calcul d'Entraînement | 1× baie NVIDIA GB200 NVL72 | Clusters GPU hyperscale massifs |
| Inférence Locale sur Appareil | Plus rapide que le temps réel sur MacBook Pro (M4 Max+) | API Cloud uniquement ; nécessite des GPU de datacenter |
| Statut de Publication | Aperçu de recherche (21 enregistrements ; revue de sécurité) | API cloud commerciale et mode vocal grand public |
FAQ : Dessa AI vs GPT Live
Qu'est-ce que GPT-Live-1 dans les enregistrements de Dessa AI ?
Dans la publication officielle de Block (block.xyz/dessa), GPT-Live-1 désigne le modèle vocal en direct d'OpenAI mis en conversation directe non scriptée avec Dessa AI.
Pourquoi Dessa AI paraît-il plus naturel lors des interruptions ?
Parce qu'il modélise simultanément les deux flux audio sans passer par du texte ni dépendre d'un détecteur VAD rigide.