Block, la société derrière Square et Cash App, a dévoilé un modèle d'IA de parole appelé Dessa.
Block affirme que Dessa est le premier modèle d'IA entraîné entièrement sur la parole humaine, sans aucune donnée textuelle, construit from scratch. Au lieu de convertir d'abord l'audio en texte, Dessa traite la parole directement sous forme audio. Cela lui permet de capter les émotions, le sarcasme, les rires et les pauses en temps réel.
Le modèle prend en charge la communication full-duplex, de sorte qu'il peut écouter et parler en même temps. Il fonctionne localement sur un MacBook Pro M4 Max et a été entraîné sur un seul NVIDIA GB200 NVL72. Block déclare avoir construit Dessa par curiosité, par désir d'une meilleure communication homme-IA et par préoccupations de sécurité, car les IA vocales actuelles ignorent les signaux émotionnels. Dessa n'est pas encore accessible au public. L'équipe recherche d'abord des chercheurs en sécurité de l'IA pour tester le modèle afin d'identifier des risques imprévus. Toute personne intéressée peut s'inscrire via un formulaire.
Les premières tentatives d'IA vocale émotionnelle n'ont pas perduré
Plusieurs équipes ont essayé de construire une IA vocale qui sonne riche en émotions. En mars 2024, la startup Hume AI a lancé EVI (Empathic Voice Interface), une IA vocale avec « intelligence émotionnelle ». Kyutai a suivi en septembre 2024 avec Moshi. Le projet Open Empathic de LAION travaille depuis fin 2023 sur l'entraînement de modèles de synthèse vocale empathique à l'aide d'un jeu de données audio open source. OpenAI a refondu le « mode vocal avancé » de ChatGPT en juin 2025 et l'a continué à affiner depuis, en ajoutant une meilleure intonation, des pauses et des expressions plus réalistes d'empathie et de sarcasme.Pub
Mais sonner émotionnel n'est pas la même chose qu'être émotionnel ou intelligent, même si cela crée cette impression. Pour une IA vocale avancée, des capacités comme raisonner tout en répondant comptent plus que le naturel de la voix, car elles affectent réellement la qualité de la réponse.
Source : Block.xyz