Einführung
Jack Dorseys Unternehmen Block hat ein neues Sprach‑KI‑Modell namens Dessa vorgestellt, das in ersten Tests erstaunlich menschlich wirkt. Anders als die meisten derzeitigen Systeme erzeugt Dessa nicht nur synthetische Sprache, sondern vermittelt Emotionen, Pausen und sogar ein leichtes Lachen – alles in Echtzeit und ohne externe Text‑zu‑Sprache‑Pipeline.
Technische Grundlagen
Dessa ist ein Full‑Duplex‑Modell, das gleichzeitig sprechen und zuhören kann, ähnlich dem GPT‑Live‑Ansatz von OpenAI. Das Besondere: Das gesamte Training erfolgte ausschließlich auf echter menschlicher Sprache, und das Modell wurde auf einem einzigen NVIDIA‑GPU‑Rack trainiert. Durch diese kompakte Trainingsumgebung lässt sich das System später auf handelsüblichen Consumer‑GPUs, etwa einem MacBook M4 Max, ausführen.
Emotionale Tiefe ohne Tags
Viele aktuelle Sprachgeneratoren, wie ElevenLabs v4 oder Fish Audio Drama 3, nutzen sogenannte Voice‑Tags, um Gefühlsnuancen zu steuern. Block behauptet, dass bei Dessa die Emotionen bereits im Modell verankert sind – es gibt keine nachträgliche Text‑Manipulation, die die Stimme künstlich moduliert. In Demonstrationen klingt die KI müde, wenn sie von einem langen Arbeitstag spricht, oder leicht erschüttert, wenn sie über ein berührendes Thema berichtet.
Lokale Ausführung und Sicherheit
Ein zentrales Versprechen von Block ist die Möglichkeit, Dessa komplett offline auf einem privaten Gerät laufen zu lassen. Das reduziert Latenz, senkt Kosten und erhöht die Datensicherheit, weil keine Cloud‑Verbindung nötig ist. Gleichzeitig hat das Unternehmen eine öffentliche Ausschreibung für Sicherheitsexperten gestartet, die das Modell auf mögliche Manipulationsrisiken testen sollen – etwa das Risiko, dass ein Sprachassistent Menschen täuschen könnte.
Potenzielle Anwendungsfelder
Block ist vor allem im Finanz‑ und KMU‑Segment aktiv. Die firmeneigene Square‑Plattform nutzt bereits Sprach‑KI für Bestellvorgänge. Mit einer eigenen, lokal ausführbaren Stimme könnte das Unternehmen künftig komplexere Kundeninteraktionen, Support‑Chats oder sogar interaktive Lernmodule anbieten – und das zu deutlich geringeren Betriebskosten als bei cloud‑basierten Lösungen.
Ausblick
Obwohl Dessa derzeit noch nicht öffentlich zugänglich ist, signalisiert das Projekt einen Wendepunkt für Sprach‑KI: Die Kombination aus voller Duplex‑Kommunikation, eingebauter Emotionalität und lokaler Ausführbarkeit könnte die Art und Weise, wie Menschen mit Maschinen interagieren, grundlegend verändern. Beobachter vergleichen den Moment bereits mit dem Durchbruch, den GPT‑3 für Text‑KI markierte.
Source: https://techcrunch.com/2026/10/24/blocks-new-voice-model-sounds-eerily-human/