Block, la società fondata da Jack Dorsey, ha presentato Dessa, un’IA vocale addestrata esclusivamente su conversazioni umane registrate. Niente testo, nessun modello preaddestrato: secondo l’azienda è la prima IA in grado di sostenere una conversazione realistica in tempo reale avendo imparato soltanto ascoltando.
Come funziona Dessa, l’IA vocale di Block
La maggior parte degli assistenti vocali attuali trasforma la voce in testo, la elabora con un modello linguistico e poi la riconverte in parlato. In questo passaggio, sostiene Block, si perde gran parte dell’informazione: tono, emozioni, sarcasmo, esitazioni.
Dessa invece è un modello speech-to-speech e full-duplex, cioè ascolta e parla contemporaneamente, proprio come facciamo noi. Sa quando intervenire, quando lasciare spazio e quando inserire piccole conferme come «sì!» o «capito», e riproduce risate, sospiri e voce rotta dall’emozione.
Le demo pubblicate sul sito del progetto mostrano conversazioni sui film di Christopher Nolan, un dialogo carico di emozione su un viaggio a sorpresa a Parigi e perfino uno scambio con un altro modello vocale di terze parti. Non mancano momenti un po’ goffi, come ha notato The Verge: in uno degli esempi il modello scambia l’interlocutore per un certo «Ronaldo».
Un’IA vocale leggera che gira in locale
Uno degli aspetti più interessanti riguarda l’efficienza. Block afferma di aver addestrato Dessa su un solo rack NVIDIA GB200 NVL72 e che l’inferenza, più veloce del tempo reale, può girare localmente su un MacBook Pro con chip M4 Max o superiore. Il team dietro il progetto è un piccolo laboratorio di ricerca interno, fondato da ex membri della startup canadese di deep learning Dessa, che riporta direttamente a Dorsey.
Entusiasmo e timori
Le reazioni sono divise. Da un lato c’è stupore per la naturalezza delle voci, dall’altro, come sottolinea CoinDesk, cresce la preoccupazione che strumenti simili possano rendere le truffe telefoniche ancora più difficili da riconoscere. Block giustifica il progetto anche in chiave di sicurezza: un’IA capace di percepire dolore o disagio nella voce di chi parla potrebbe reagire in modo più appropriato.
Per ora Dessa resta un’anteprima di ricerca: non ci sono API, pesi del modello, benchmark o date di rilascio, e l’accesso iniziale è riservato a un piccolo gruppo di ricercatori nel campo della sicurezza dell’IA. Le registrazioni diffuse sono demo scelte dall’azienda, non test indipendenti.
Aiutaci a crescere: lasciaci un like :)