The Pulse
Block ha addestrato Dessa sul parlato umano con un solo GB200 NVL72
Block afferma che Dessa ha imparato a sostenere conversazioni in tempo reale usando soltanto il parlato umano e un solo NVIDIA GB200 NVL72. Il modello speech-to-speech viene offerto a un piccolo gruppo di ricercatori che si occupano della s
AI.info Team · Scritto con l’IA · verificato ·
Block afferma di aver addestrato Dessa, la sua nuova IA conversazionale, su un solo NVIDIA GB200 NVL72 usando soltanto il parlato umano. Secondo l’azienda, il modello ha imparato senza testo né modelli preaddestrati e, a partire da questo addestramento sull’audio, ha sviluppato la capacità di parlare e ascoltare contemporaneamente. Block ha annunciato il sistema il 23 ottobre 2026 e offre l’accesso anticipato a un piccolo gruppo di ricercatori che si occupano della sicurezza dell’IA.
Dessa fa a meno della trascrizione
Molti assistenti vocali trasformano il parlato in una trascrizione scritta prima di generare una risposta vocale. Secondo Block, Dessa riceve invece audio e produce audio, conservando segnali come emozione, sarcasmo, risate e pause, che possono andare persi quando il parlato diventa testo. La sua architettura full-duplex le consente di ascoltare mentre parla, così da reagire alle interruzioni e ai segnali della conversazione senza aspettare che l’interlocutore finisca di parlare.
«Abbiamo addestrato Dessa da zero usando soltanto conversazioni umane. Suoni. Niente testo, niente modelli preaddestrati», scrive il team di Dessa nella pagina dell’annuncio. Block afferma che l’inferenza è più veloce del tempo reale e che il modello funziona in locale su un MacBook Pro M4 Max o superiore. L’azienda non ha reso disponibile l’accesso generale: sul suo sito ci sono una lista d’attesa e un modulo per richiedere l’accesso come ricercatori, mentre l’offerta iniziale è rivolta a chi studia la sicurezza.
Le demo mostrano scioltezza, ma anche errori
Gli esempi di Block comprendono una conversazione sui film, un gioco a indovinelli e il racconto di un viaggio a sorpresa. In una registrazione, Dessa reagisce con una risata e un’intonazione emotiva; in un’altra, il modello risponde a una persona che non riesce a ricordare il titolo di un film. L’azienda presenta i filmati come conversazioni dal vivo in cui la persona non orienta le risposte del modello.
I primi scambi non sono tutti altrettanto fluidi. The Verge descrive una conversazione condivisa dal responsabile di Dessa, Ragavan Thurairatnam, in cui il modello inizialmente scambia l’interlocutore per «Ronaldo», pur osservando che il dialogo è perlopiù naturale. Separatamente, The Verge cita l’esempio di Block sui film di Christopher Nolan, nel quale Dessa si lancia in una digressione inattesa sui film di Superman di Bryan Singer. Esempi del genere mostrano perché tempi di risposta convincenti e un parlato espressivo non dimostrano, da soli, che un modello comprenda in modo affidabile una conversazione.
Per Block, il parlato è una questione di sicurezza
L’azienda afferma di aver creato Dessa per curiosità, per favorire una migliore comprensione tra persone e IA e per la sicurezza. La sua tesi è che un sistema capace di cogliere il disagio nella voce di una persona potrebbe rispondere diversamente da uno che elabora soltanto le parole di una trascrizione. Block porta l’esempio di una persona che prova un forte dolore e il cui assistente vocale non riconosce l’emozione e prosegue.
«Stiamo dando accesso anticipato a un piccolo gruppo di ricercatori che si occupano della sicurezza dell’IA, perché individuino i rischi che non abbiamo previsto».
— Ragavan Thurairatnam, responsabile di Dessa, scrive sulla pagina di Block.
Questa è una motivazione dichiarata, non una prova che Dessa sappia riconoscere in modo affidabile il disagio o rispondere in modo appropriato. Block afferma di voler far esaminare a ricercatori esterni i rischi che il team non ha previsto prima di ampliare l’accesso. L’azienda descrive inoltre il modello come un nuovo terreno di ricerca, anche per capire quanto efficientemente apprenda lingua e fatti dai suoni e se possa imparare altre lingue.
Imparare la lingua soltanto dai suoni
L’affermazione tecnica di Block è più circoscritta che dire che i modelli addestrati solo sul parlato siano una novità: l’azienda sostiene che, per quanto ne sa il team, Dessa sia la prima IA capace di sostenere una conversazione dal vivo realistica dopo essere stata addestrata soltanto sul parlato umano. L’azienda confronta la quantità di dati linguistici da cui il modello ha imparato con il numero di parole, molto più elevato, usato dai modelli linguistici, riconoscendo però che l’audio contiene molte più informazioni del testo.
Queste affermazioni devono ora essere messe alla prova anche oltre le demo selezionate: occorre verificare se Dessa conservi le informazioni apprese, gestisca accenti e lingue che non conosce e riconosca i segnali emotivi senza interpretarli male. Il programma di accesso anticipato di Block sottopone queste domande innanzitutto ai ricercatori che si occupano di sicurezza; l’accesso più ampio al modello non è ancora disponibile e il sito dell’azienda offre una lista d’attesa.