Block이 연구 조직에서 새 음성 모델 Dessa를 공개했다. 이 모델은 기기 쪽에서 실행할 수 있고, 웃음·쉼·울먹임 같은 표현을 포함해 사람의 말투에 가까운 출력을 목표로 한다. 회사 설명에 따르면 Dessa는 사람 음성만으로 학습됐고, 학습에는 단일 NVIDIA GPU 랙이 쓰였다. 또 full-duplex 구조라서 한쪽이 끝날 때까지 기다리지 않고 말하기와 듣기를 동시에 처리한다. 이는 올해 초 공개된 OpenAI의 GPT-Live와 같은 방식이다.
Block은 기존 음성 AI가 음성을 텍스트로 바꾸는 과정에서 감정과 억양 같은 정보를 많이 잃는다고 봤다. 그래서 Dessa는 중간의 텍스트 중심 파이프라인에 덜 의존하고, 대화 데이터에서 얻은 정보로 응답하도록 설계됐다고 설명했다. 보통 음성 모델은 지식 검색을 위해 대형 언어 모델과 함께 쓰이지만, Dessa의 지식은 대화 데이터에서 나온다고 회사는 밝혔다. 연구진이 공개한 예시에서는 목소리, 말의 리듬, 감정 표현이 다르게 나타났고, 피곤하다고 말할 때는 실제로 지친 듯한 음색이 재생됐다.