Block milik Jack Dorsey melatih model suara barunya, Dessa, hanya dengan ucapan manusia, bukan teks atau model yang telah dilatih sebelumnya.
Block mengatakan model yang sudah jadi dapat dijalankan secara lokal di MacBook Pro M4 Max atau yang lebih baik. Laboratorium tersebut melatihnya menggunakan satu rak server Nvidia.
Block mengatakan Dessa adalah AI pertama yang mereka ketahui mampu melakukan percakapan langsung yang terasa alami dan dilatih hanya dengan ucapan manusia. Laboratorium riset kecil di baliknya melapor langsung kepada Dorsey.
Model full-duplex berbincang dengan GPT-Live-1 dari OpenAI dalam demo tanpa pengarahan
Banyak asisten suara mengubah ucapan orang menjadi teks, memprosesnya dengan model bahasa, lalu mengubah teks itu kembali menjadi suara. Seperti yang dikatakan Block, proses ini menghilangkan emosi, sarkasme, tawa, dan suara sedih yang pecah.
Dessa adalah model yang mengubah ucapan menjadi ucapan, tanpa teks di antaranya. Seperti dua orang, model ini berbicara dan mendengarkan secara bersamaan.
Model ini tahu kapan harus menyela dan kapan harus menimpali dengan “ya!” atau “mengerti!” kata Block. Model ini berjalan lebih cepat daripada waktu nyata.
Block mengatakan tidak ada yang mengarahkan model AI dalam rekaman tersebut. Model itu memilih apa yang akan dikatakan, kapan mengatakannya, dan bagaimana mengatakannya.
Dalam rekaman, Dessa tertawa di tengah kalimat, terkesiap karena terkejut, dan berbicara lebih keras saat diminta untuk mengeraskan suaranya. Dalam salah satu rekaman, Dessa berbicara dengan GPT-Live-1 milik OpenAI.
Block mengatakan pengembang GPT-Live-1 belum memeriksa atau mendukung Dessa.
Kami membuat model AI pertama yang memungkinkan Anda bercakap-cakap secara realistis dan dilatih sepenuhnya menggunakan suara!
Dessa adalah model ucapan-ke-ucapan full-duplex yang dapat dijalankan pada GPU konsumen.
Ini adalah momen GPT-3 untuk teknologi ucapan. pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) 23 Oktober 2026
GB200 NVL72 mengajarkan bahasa kepada model ini dengan jumlah kata ratusan kali lebih sedikit
Dessa dilatih menggunakan satu Nvidia GB200 NVL72, sebuah sistem berskala rak. Laboratorium tersebut mengatakan model ini mempelajari bahasa dengan “jumlah kata ratusan kali lebih sedikit” daripada yang dibutuhkan LLM berbasis teks.
Ucapan membuat tugas ini lebih sulit, kata Block. Sebuah kata yang diucapkan terdiri dari ribuan kali lebih banyak byte daripada kata yang sama dalam bentuk cetak.
Laboratorium ini didirikan oleh mantan anggota Dessa, perusahaan rintisan pembelajaran mendalam di Toronto. Tim tersebut telah mengembangkan model ucapan generatif selama lebih dari delapan tahun.
Ragavan Thurairatnam memimpin proyek ini, dan ia menyebut peluncurannya “momen GPT-3 untuk teknologi ucapan” di X.
Dessa belum tersedia untuk umum. Block sedang membuka daftar tunggu dan memberikan akses awal kepada sekelompok kecil peneliti keselamatan AI untuk mengungkap risiko yang belum diantisipasi tim.
Ada tiga hal yang mendorong Block membangun model ini. Dua di antaranya adalah rasa ingin tahu dan pemahaman yang lebih baik antara manusia dan AI.
Alasan ketiga? Keselamatan.
Block membayangkan seseorang yang sedang sangat kesakitan, tetapi AI suara tidak menyadarinya dan terus berbicara.
Cryptopolitan melaporkan bahwa pada bulan Februari, Block (NYSE: XYZ) memberhentikan 40% karyawannya.
Block Inc. meluncurkan Buzz pada bulan Juli. Ini adalah aplikasi obrolan untuk tempat kerja, tempat manusia dan agen AI dapat berbagi kanal.
Para pemikir kripto paling cerdas sudah membaca nawala kami. Mau bergabung? Bergabunglah dengan mereka.