Block, orienté vers l’intelligence artificielle, a présenté le modèle vocal Dessa qui apprend uniquement à partir des échanges humains. L’entreprise affirme avoir entraîné le modèle à partir de zéro et n’avoir utilisé ni texte ni un autre modèle pré-entraîné au cours de ce processus. La différence fondamentale de Dessa est sa capacité à écouter pendant que la personne en face parle et à répondre en même temps.
Block décrit cette approche comme un modèle fonctionnant directement de voix à voix. Plutôt que de passer par une étape où l’entrée audio est d’abord convertie en texte puis où la réponse écrite est prononcée, le modèle reçoit le son et produit le sien. Ainsi, les hésitations dans la conversation, les variations de tonalité et les rires restent dans le champ d’action du modèle. L’entreprise précise que ces éléments se perdent lors de la transcription écrite.
Parmi les exemples partagés figurent la mémorisation de noms de films, des conversations de tous les jours et une discussion sur un voyage surprise. Block affirme que les enregistrements proviennent de conversations en direct et que personne n’a dirigé les échanges du modèle. Les sous-titres ont été ajoutés après les discussions. Comme ces enregistrements sont des démonstrations choisies par l’entreprise, cela ne prouve pas à lui seul que le modèle donne le même résultat dans toutes les conversations.
Dessa montre également des comportements tels que l’interruption au cours de la conversation et des retours brefs. Par exemple, il peut émettre une légère confirmation ou un rire sans attendre que l’autre ait terminé de parler. En outre, le modèle répond avec un volume plus élevé lorsqu’on lui demande d’augmenter le volume. Block associe ces caractéristiques au tempo et aux formes d’expression que le modèle a apprises à partir des conversations humaines.
L’accès public à Dessa n’est pas encore ouvert
Sur le plan matériel, l’entreprise indique que Dessa fonctionne localement sur un MacBook Pro M4 Max ou sur un système plus puissant. Elle précise également que l’inférence se déroule rapidement en temps réel. Cependant, l’annonce ne fournit pas de mesures de latence pour l’ensemble des appareils ni de tableau de performance détaillé. Il faut donc distinguer les capacités locales de fonctionnement des délais potentiels observables dans l’utilisation quotidienne.
Le modèle a été développé par une petite équipe de recherche au sein de Block. À sa tête se trouve Ragavan Thurairatnam et l’équipe rend compte directement à Jack Dorsey. L’entreprise indique avoir utilisé un système NVIDIA GB200 NVL72 pour l’entraînement. Toutefois, elle ne divulgue pas le nombre de paramètres ni la répartition détaillée des données d’entraînement dans le cadre de la présentation.
Dessa n’est pour l’instant pas proposé comme un service grand public accessible. Block offre un accès anticipé à un petit groupe de chercheurs en sécurité de l’IA et sollicite une évaluation des risques externe. La page de présentation indique que les liens de téléchargement arriveront plus tard. Pour ce qui est du support en turc, de la date d’accès général, de l’API et des tarifs, aucune information vérifiée n’est fournie dans cette annonce.
