Block, l’entreprise de Jack Dorsey, a entraîné son nouveau modèle vocal, Dessa, uniquement à partir de parole humaine, sans aucun texte ni modèle préentraîné.
Block affirme que le modèle final peut fonctionner localement sur un MacBook Pro M4 Max ou un modèle plus performant. Le laboratoire l’a entraîné sur une seule baie de serveurs Nvidia.
Block affirme que Dessa est la première IA dont l’entreprise ait connaissance capable de tenir une conversation en direct réaliste et ayant été entraînée uniquement à partir de parole humaine. Le petit laboratoire de recherche qui l’a créée rend compte directement à Dorsey.
Un modèle full-duplex converse avec GPT-Live-1 d’OpenAI lors de démonstrations sans guidage
De nombreux assistants vocaux convertissent ce que les gens disent en texte, le font traiter par un modèle de langage, puis reconvertissent le texte en parole. Comme l’explique Block, ce processus élimine l’émotion, le sarcasme, les rires et les voix tristes qui se brisent.
Dessa est un modèle qui convertit la parole en parole, sans passer par le texte. Comme deux personnes, il parle et écoute en même temps.
Il sait quand intervenir et quand ponctuer la conversation d’un « ouais ! » ou d’un « compris ! », a déclaré Block. Il fonctionne plus vite qu’en temps réel.
Selon Block, personne ne guide le modèle d’IA dans les enregistrements. Il choisit quoi dire, quand et comment.
Dans les enregistrements, Dessa rit en pleine phrase, pousse un cri de surprise et hausse la voix quand on lui demande de parler plus fort. Dans l’un des enregistrements, Dessa a parlé à GPT-Live-1 d’OpenAI.
Block précise que le développeur de GPT-Live-1 n’a ni évalué ni approuvé Dessa.
Nous avons créé le premier modèle d’IA avec lequel on peut avoir une conversation réaliste et qui a été entraîné entièrement sur de la parole !
Dessa est un modèle vocal en duplex intégral, que vous pouvez exécuter sur des GPU grand public.
C’est un moment GPT3 pour la parole. pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) 23 octobre 2026
Un GB200 NVL72 a appris le langage au modèle à partir de centaines de fois moins de mots
Dessa a été entraîné sur un seul Nvidia GB200 NVL72, un système à l’échelle d’une baie. Selon le laboratoire, le modèle a appris le langage à partir de « centaines de fois moins de mots » qu’un LLM fondé sur le texte n’en a besoin.
La parole a rendu la tâche plus difficile, a déclaré Block. Un mot prononcé représente des milliers de fois plus d’octets que le même mot imprimé.
Le laboratoire a été fondé par d’anciens membres de Dessa, une jeune pousse torontoise spécialisée dans l’apprentissage profond. L’équipe développe des modèles génératifs de parole depuis plus de huit ans.
Ragavan Thurairatnam dirige le projet et a qualifié sa sortie de « moment GPT3 pour la parole » sur X.
Dessa n’est pas accessible au public. Block gère une liste d’attente et donne un accès anticipé à un petit groupe de chercheurs en sécurité de l’IA afin de faire ressortir les risques que l’équipe n’a pas anticipés.
Trois raisons ont poussé Block à créer ce modèle. La curiosité et une meilleure compréhension entre les humains et l’IA en sont deux.
La troisième raison ? La sécurité.
Block imagine une personne qui souffre beaucoup, sans que l’IA vocale s’en aperçoive et cesse de parler.
Cryptopolitan a rapporté qu’en février, Block (NYSE : XYZ) avait licencié 40 % de son personnel.
Block Inc. a lancé Buzz en juillet. C’est une application de messagerie professionnelle où les humains et les agents d’IA peuvent partager des canaux.
Les esprits les plus brillants de la crypto lisent déjà notre newsletter. Vous voulez en faire partie ? Rejoignez-les.