Block, компания Джека Дорси, анонсировала Dessa — голосовую модель, которая принимает звук и отвечает звуком, без промежуточного преобразования речи в текст. Она умеет слушать и говорить одновременно, передавать эмоции и поддерживать естественный темп разговора.

Разработчики заявляют, что обучили модель с нуля только на записях человеческой речи. Пока Dessa доступна ограниченному кругу тестировщиков и исследователей безопасности; общего доступа нет.

• В традиционных голосовых системах аудио превращается в текст, обрабатывается языковой моделью, а затем снова озвучивается; Block утверждает, что такой каскадi теряет интонации, эмоции и ритм.
• Dessa может вставлять реплики и перебивать собеседника, смеяться до окончания фразы, а также распознавать интонации и сарказм.
• По данным анонса, модель освоила язык на количестве слов в сотни раз меньшем, чем требуется большим языковым моделям.
• Dessa заявлена для локальной работы на MacBook Pro с чипом M4 Max или мощнее; Block также пишет, что ответы формируются быстрее реального времени.
• Джек Дорси назвал Dessa «самой аутентичной моделью речи в полно-дуплексном режимеi».