Block, het betaalbedrijf van Twitter-oprichter Jack Dorsey, heeft een AI-model gepresenteerd dat nooit een geschreven woord heeft gezien. Dessa is volgens het team "vanaf nul" getraind op menselijke gesprekken, en praat dus rechtstreeks terug zonder eerst alles om te zetten naar tekst.

Spraak in, spraak uit

De meeste stemassistenten werken in stappen: ze schrijven uit wat je zegt, laten een taalmodel een tekstantwoord bedenken en lezen dat daarna voor. Dessa slaat die tussenstap over. Het is een zogeheten full-duplex speech-to-speech-model: het kan luisteren en praten tegelijk, zoals mensen in een gesprek doen. Volgens Block draait het lokaal op een MacBook Pro met een M4 Max-chip of sneller.

Het team noemt drie redenen voor het project. Nieuwsgierigheid: baby's leren praten zonder ooit tekst te zien, en het team wilde weten of een model dat ook kan ("het kan, het is alleen erg moeilijk"). Daarnaast zou spraak het meest natuurlijke contact met AI zijn, terwijl huidige stem-AI volgens Block alles platslaat tot tekst en het tempo van mensen niet bijhoudt. En ten slotte veiligheid: AI hoort nauwelijks emotie in een stem. Het team schetst iemand die pijn heeft terwijl een stemassistent gewoon doorpraat.

Natuurlijk, maar soms ongemakkelijk

Om het model te laten zien deelde Block opnames van gesprekken. Die verlopen grotendeels vloeiend, maar The Verge merkt op dat ze soms ook onwennig aanvoelen. In één fragment houdt Dessa de spreker eerst voor iemand die "Ronaldo" heet. In een ander gesprek over films van Christopher Nolan dwaalt het model af naar Superman-films van een andere regisseur. Op een aangekondigd verrassingsreisje naar Parijs reageert het met wat volgens de website klinkt als ontroerde dankbaarheid.

Block zet Dessa ook naast GPT-Live-1, het spraakmodel van OpenAI. In dat gesprek zou Dessa natuurlijker overkomen. Dat is een vergelijking die Block zelf heeft uitgekozen; onafhankelijke metingen zijn er nog niet.

Eerst naar veiligheidsonderzoekers

Je kunt Dessa nog niet zelf proberen. Block geeft eerst een kleine groep AI-veiligheidsonderzoekers vroege toegang. Over een publieke release, prijzen of ondersteunde talen zegt het bedrijf niets. Of het model Nederlands verstaat, is dus onbekend. Omdat Dessa alleen van opgenomen gesprekken leerde, hangt dat volledig af van welke talen in die trainingsdata zaten.

Opvallend is dat het lokaal kan draaien. Spraak is gevoelige informatie: een stem verraadt identiteit en stemming. Een model dat op je eigen laptop werkt, hoeft je gesprekken niet naar een server te sturen. Dat sluit aan bij een bredere trend van kleinere spraakmodellen die zonder cloud werken, zoals het voorleesmodel Phonon van het Franse Gradium. Wie wil weten welke spraakmodellen nu al Nederlands ondersteunen, kan kijken naar Voxtral 3 van Mistral.