Block zeigt Dessa: Sprachmodell, das lokal zuhört und redet

Block, die Firma von Jack Dorsey, hat mit Dessa ein Sprachmodell vorgestellt, das laut dem eigenen Forschungslabor lokal auf einem Laptop läuft und gleichzeitig zuhören und sprechen kann. Es ist eine Forschungsvorschau und für die Öffentlichkeit nicht verfügbar.

Zuhören und reden im selben Moment

Dessa arbeitet direkt mit Audio: Sprache rein, Sprache raus, ohne den Umweg über Text. Block argumentiert, dass klassische Sprachassistenten Tonfall und Stimmung verlieren, sobald sie Gesprochenes in Text umwandeln. Das Modell ist «Full-Duplex», es hört also auch dann zu, während es selbst spricht. Laut Block lernt es dadurch Rückmeldungen wie «ja» oder «verstanden» und erkennt, wann es unterbrechen darf. In Demos lacht es mitten im Satz, seufzt oder spricht auf Wunsch leiser. Diese Videos hat Block selbst ausgewählt, unabhängig überprüft wurde das Modell bisher nicht.

Ein Modell, das nur Sprache kennt

Der Clou liegt im Training: Dessa wurde nach Angaben von Block von Grund auf nur mit Aufnahmen menschlicher Gespräche trainiert, ohne Text und ohne vortrainierte Modelle. Dafür habe ein einzelnes System vom Typ Nvidia GB200 NVL72 gereicht; TechCrunch spricht von einer einzelnen GPU. Sprache habe es aus «hunderte Male weniger Wörtern» gelernt als grosse Sprachmodelle, wobei Block keine konkreten Zahlen nennt. Laufen soll es auf einem MacBook Pro mit M4 Max oder besser, also ohne Cloud.

Erst die Sicherheitsforscher

Eine Stimme, die Müdigkeit oder Rührung überzeugend spielt, lässt sich auch zur Täuschung einsetzen. Block gibt deshalb zunächst einer kleinen Gruppe von KI-Sicherheitsforschern Zugang, um unerwartete Risiken zu finden. Zu Gewichten, Preis oder einem Starttermin gibt es keine Angaben.