Jack Dorseys Block veröffentlichte ein neues Sprachmodell aus dem Forschungslabor der Firma, das lokal läuft und durch seine Ausdrücke wie Lachen, Pausen und Weinen seltsam menschlich klingt. Die Firma sagte, dass das Modell, Dessa genannt, vollständig auf menschlichem Sprachmaterial und einer einzigen NVIDIA-GPU trainiert wurde.
Dessa ist ein vollduplex-Modell, was bedeutet, dass es gleichzeitig sprechen und hören kann, genau wie das GPT-Live-Modell von OpenAI, das Anfang dieses Jahres veröffentlicht wurde. Normalerweise werden Sprachmodelle mit einem großen Sprachmodell für die Wissensabrufung kombiniert. Block sagte, dass das Wissen von Dessa aus den Konversationen stammt, die sie erhält.
Wir glauben, dass Sprache die natürlichste Art ist, mit Intelligenz zu interagieren, deshalb haben wir Dessa entwickelt – das authentischste vollduplexe Sprachmodell, das je erstellt wurde. Mit ihm zu sprechen fühlt sich an wie mit einer Person zu sprechen… voller Emotionen, Nuancen, Pausen und einer natürlichen Rhythmus. https://t.co/r0qFLdvd6c
— jack (@jack) 23. Oktober 2026
Block sagte, dass die aktuellen Modelle unnatürlich und störend klingen können, weil es im Pipeline Text gibt, der die Sprachgenerierung antreibt. Viele Modelle wie ElevenLabs v4 oder Fish Audio Drama 3 verwenden Sprachmerkmale, um Emotionen in der Sprachgenerierung zu erzeugen. Dorseys Unternehmen behauptet, dass die Emotionen in seinem Modell integriert sind. Es ist jedoch unklar, ob diese Emotionen durch bestimmte Merkmale gesteuert werden.
„Die Interaktion mit aktuellen Sprach-KI-Systemen ist einfach schrecklich. Sie verwandelt Ihren Klang in Text und lässt eine unglaubliche Menge an Informationen zurück, die der Text allein nicht transportieren kann. Die mächtigsten KIs der Welt können nicht erkennen, wie Sie sich fühlen. Wir halten das für absurd, führt zu einer schlechteren Erfahrung und ist potenziell gefährlich“, sagte das Unternehmen in einem Blogartikel.
Die Forscher des Unternehmens haben mehrere Beispiele von Gesprächen mit Dessa veröffentlicht, bei denen der Agent unterschiedliche Stimmen, Rhythmen und Emotionen zeigte. So sagte der Bot in dem Gespräch, dass er müde vom Arbeiten sei, und in diesem Moment klang er müde.
Wir haben das erste AI-Modell entwickelt, mit dem man eine realistische Konversation führen kann – dieses Modell wurde vollständig anhand von Sprache trainiert!
— Ragavan Thurairatnam (@RagavanThurair) 23. Oktober 2026
Dessa ist ein vollduplex Sprach-zu-Sprach-Modell, das auf Konsum-GPUs ausgeführt werden kann.
Dies ist ein Moment des GPT3 für Sprache. pic.twitter.com/XVD8sSyJn8
Im untenstehenden Beispiel sprach der Bot über die Person, die es gemütlich macht, und klang emotional und war fast am zusammenbrechen.
Dessa=full-duplex-speech-modell vs Human=me, https://t.co/1eI6QFHo1w pic.twitter.com/zlZfxH2BA5
— Aydin Polat (@AydinPolatDessa) 23. Oktober 2026
Ein weiteres Bild zeigt einen Mitglied des Block-Teams, der mit der Sprachassistentin spielt.
Für die Liebe zum Spiel.
— Block (@blocks) 23. Oktober 2026
Schauen Sie zu, wie Cara ein Rätselspiel mit Dessa spielt. Die Modelle errät den ersten richtig sofort, und der zweite dauert auch nicht lange.https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA
Das Unternehmen sagte, dass das Modell lokal auf einem konsumfreundlichen Computer wie einem MacBook M4 Max oder besserem funktionieren könne. Allerdings ist der Zugang zu Dessa im Moment nicht öffentlich verfügbar, und Block hat eine Anfrage an Sicherheitsexperten gestellt, um das Modell zu testen. Es wird vermutlich die Fälle untersucht werden, in denen ein Sprachassistent Menschen am anderen Ende täuschen könnte.
Der Block ist im Finanzsektor tätig und verkauft seine Lösungen für kleine Unternehmen. Square verwendet bereits Sprach-KI zur Abwicklung von Bestellungen. Mit seinem eigenen Sprachmodell, das auf dem Gerät läuft, kann der Block viel mehr Geschäfts- und Konsumerserien zu niedrigeren Kosten ermöglichen.