Block, l'azienda di pagamenti di Jack Dorsey, ha addestrato un nuovo modello vocale, Dessa, interamente su parlato umano — senza dati testuali e senza modelli pre-addestrati, ha dichiarato l'azienda in un annuncio ufficiale. Block afferma che il modello finito gira in locale su un MacBook Pro M4 Max o superiore, e che il piccolo laboratorio di ricerca alle spalle del progetto lo ha addestrato su un singolo rack di server Nvidia. L'esecuzione in locale significa che una conversazione viene elaborata sulla macchina stessa anziché tramite un servizio cloud.

Block descrive Dessa come la prima AI di cui è a conoscenza in grado di sostenere una conversazione dal vivo realistica dopo essere stata addestrata esclusivamente su parlato umano. Il compatto laboratorio di ricerca dietro il modello riporta direttamente a Dorsey.

Il modello full-duplex ha sostenuto una demo non guidata con GPT-Live-1 di OpenAI

La maggior parte degli assistenti vocali prende ciò che una persona dice, lo converte in testo, elabora il testo attraverso un modello linguistico e poi riconverte il risultato in parlato. Block sostiene che questa pipeline scarti emozione, sarcasmo, risate e quella che definisce "una voce triste che si spezza".

Dessa invece trasforma il parlato direttamente in parlato, senza una fase testuale intermedia. Come due persone in conversazione, parla e ascolta allo stesso tempo — l'audio fluisce in entrambe le direzioni contemporaneamente, anziché nei rig turni consentiti da una pipeline che trascrive, elabora e parla. Il modello sa quando interrompere e quando intervenire con un "sì!" o "capito!", ha detto Block, e funziona più velocemente del tempo reale.

Secondo Block, nessuno guida il modello nelle registrazioni pubblicate — Dessa sceglie cosa dire e quando e come dirlo. Nei clip, ride a metà frase, sospira davanti a una sorpresa e alza la voce quando gli viene chiesto di parlare più forte. In una registrazione, Dessa ha conversato con GPT-Live-1 di OpenAI. Block precisa che lo sviluppatore di GPT-Live-1 non ha verificato né approvato Dessa.

Annunciando il modello su X, il responsabile del progetto Ragavan Thurairatnam ha scritto:

"We made the first AI model you can have a realistic conversation with that was trained entirely on speech! Dessa is a full-duplex speech-to-speech model that you can run on consumer GPUs. This is a GPT3 moment for speech." pic.twitter.com/XVD8sSyJn8

— Ragavan Thurairatnam (@RagavanThurair) 23 ottobre 2026

Un rack GB200 NVL72 e "centinaia di volte meno parole"

Dessa è stato addestrato su un singolo Nvidia GB200 NVL72, un sistema a scala di rack che collega 72 GPU Blackwell di Nvidia affinché lavorino come un'unica macchina. Il laboratorio afferma che il modello ha appreso il linguaggio da "centinaia di volte meno parole" di quante ne richieda un LLM basato su testo. Il parlato ha reso il compito più difficile, ha spiegato Block: una parola pronunciata contiene migliaia di volte più byte rispetto alla stessa parola scritta.

Il laboratorio è stato fondato da ex membri di Dessa, una startup torontese di deep learning, e il suo team costruisce modelli generativi del parlato da oltre otto anni. Thurairatnam guida il progetto e ha definito il rilascio "un momento GPT3 per il parlato" su X — un riferimento a GPT-3, il modello testuale di OpenAI del 2020 che ha portato la scrittura generata dalle macchine da demo di ricerca a strumento ampiamente utilizzato, e la sua sintesi per collocare il parlato a una svolta analoga.

Dessa non è pubblicamente disponibile. Block gestisce una lista d'attesa e concede l'accesso anticipato a un piccolo gruppo di ricercatori di sicurezza AI per far emergere rischi che il team non ha previsto. L'annuncio non ha fornito una tempistica per una disponibilità più ampia.

Tre motivi hanno spinto Block a costruire il modello. Due sono la curiosità e una migliore comprensione tra esseri umani e AI. Il terzo è la sicurezza: Block indica lo scenario di una persona che prova un forte dolore mentre un'AI vocale non se ne accorge e continua a parlare — proprio il tipo di segnale emotivo che una pipeline incentrata sul testo può eliminare prima ancora che il modello lo senta.

L'annuncio arriva in un periodo di cambiamenti per Block. Come riportato da Cryptopolitan, l'azienda (NYSE: XYZ), in precedenza Square, ha licenziato il 40% del personale a febbraio. A luglio, Block ha lanciato Buzz, un'app di chat per il luogo di lavoro in cui esseri umani e agenti AI possono condividere i canali.