Dessa lernt Gespräche aus Sprache statt aus Text
24. Oktober 2026
Blocks Forschungsmodell Dessa hört und spricht gleichzeitig. Es wurde laut Hersteller ohne Textdaten trainiert, doch unabhängige Benchmarks fehlen noch.
Worum es geht
Das Forschungsmodell Dessa von Block soll Gespräche führen, ohne Sprache zuerst in Text umzuwandeln. Block stellte das Modell am 23. Oktober 2026 vor. Es verarbeitet Audio als Eingabe und erzeugt Audio als Ausgabe. Dabei kann es laut Hersteller gleichzeitig zuhören und sprechen.
Das klingt zunächst wie eine weitere Sprachassistenz. Der technische Unterschied ist jedoch wichtig: Viele Systeme zerlegen ein Gespräch in Spracherkennung, Textmodell und Sprachsynthese. Dessa wurde nach Angaben von Block von Grund auf mit menschlichen Gesprächen trainiert, ohne Textdaten und ohne ein vortrainiertes Modell als Ausgangspunkt.
Was Dessa tatsächlich macht
Dessa ist ein sogenanntes Vollduplexmodell. Beide Seiten können gleichzeitig sprechen, so wie in einem normalen Gespräch. Dadurch kann das System Unterbrechungen, kurze Bestätigungen und Wechsel im Sprechrhythmus direkt als Audio verarbeiten. Es muss nicht immer warten, bis ein vollständiger Satz erkannt und als Text an ein anderes Modell weitergereicht wurde.
Block veröffentlichte Hörbeispiele und öffnete eine Warteliste. Das Unternehmen sagt, das Modell laufe schneller als Echtzeit auf einem MacBook Pro mit M4 Max. Trainiert worden sei es von sechs Forschenden auf einem einzelnen Nvidia GB200 NVL72 System. Diese Angaben stammen vom Hersteller und sind bislang nicht durch einen vollständigen technischen Bericht oder unabhängige Messungen bestätigt.
Warum das wichtig ist
Gesprochene Sprache enthält mehr als Wörter. Pausen, Zögern, Betonung, Lachen und das Timing einer Unterbrechung tragen Bedeutung. Eine Textpipeline kann einen Teil davon verlieren oder nur nachträglich ergänzen. Ein direktes Sprachmodell könnte deshalb natürlicher auf Menschen reagieren und zugleich die Verzögerung zwischen Frage und Antwort senken.
Das wäre für Barrierefreiheit, Sprachtraining, Kundendienst oder Geräte ohne Bildschirm relevant. Besonders interessant ist der Ansatz für Sprachen und Sprechweisen, bei denen schriftliche Trainingsdaten knapp sind. Allerdings ist noch offen, welche Sprachen Dessa beherrscht, wie gut es mit Akzenten umgeht und welche Schutzmaßnahmen gegen Stimmenmissbrauch eingebaut sind.
Einfach erklärt
Eine übliche Sprachassistenz arbeitet wie ein Gespräch über zwei Übersetzer: Einer schreibt jedes gesprochene Wort auf, ein zweiter formuliert eine Antwort und ein dritter liest sie vor. Dessa versucht, eher wie ein direkter Gesprächspartner zu arbeiten. Es hört Klang, Rhythmus und Unterbrechungen und antwortet wieder mit Klang, ohne dazwischen einen geschriebenen Zettel zu benötigen.
Praktisches Beispiel
Eine sehbehinderte Nutzerin fragt eine Assistenz nach der nächsten Zugverbindung. Während die Antwort vorgelesen wird, sagt sie nach vier Sekunden: „Nein, erst nach 18 Uhr.“ Eine starre Pipeline könnte die laufende Ausgabe beenden, die neue Aufnahme transkribieren und danach neu rechnen. Ein Vollduplexmodell kann die Unterbrechung während des Sprechens erkennen und unmittelbar auf die korrigierte Bedingung reagieren.
Wenn dadurch pro Gespräch nur zwei Wartepausen von jeweils einer Sekunde entfallen, wirkt ein zehnminütiger Dialog bereits deutlich flüssiger. Das Beispiel beschreibt den möglichen Nutzen des Ansatzes. Block hat für Dessa noch keine unabhängigen Latenzmessungen veröffentlicht.
Einordnung und Grenzen
Erstens ist Dessa eine Forschungsvorschau und noch kein allgemein verfügbares Produkt. Zweitens fehlen öffentlich dokumentierte Benchmarks zu Verständlichkeit, Latenz, Mehrsprachigkeit und Robustheit bei Lärm. Drittens können realistisch klingende Stimmen für Täuschung, unerlaubte Imitation oder sozialen Druck missbraucht werden; Block nennt auf der Produktseite noch kein vollständiges Sicherheitskonzept.
Auch ein direktes Sprachmodell muss Fakten zuverlässig verarbeiten. Natürliches Timing sagt nichts darüber aus, ob eine Antwort richtig ist. Ohne Text als Zwischenstufe können Prüfung, Protokollierung und Moderation zudem anders funktionieren als bei heutigen Assistenten. Dessa zeigt deshalb eine interessante Architektur, aber noch keinen belegten Vorsprung im Alltag.
SEO- und GEO-Schlüsselbegriffe
Dessa, Block, Sprachmodell, Speech to Speech, Vollduplex, Voice AI, Audio Modell, natürliche Gespräche, Spracherkennung, generative KI
💡 Im Klartext
Dessa hört Sprache und antwortet direkt mit Sprache, ohne den Umweg über Text. Das könnte Gespräche flüssiger machen, ist bisher aber nur anhand von Herstellerangaben und Hörbeispielen belegt.
Wichtigste Erkenntnisse
- →Dessa verarbeitet Audio direkt als Ein- und Ausgabe.
- →Das Modell kann laut Block gleichzeitig zuhören und sprechen.
- →Block nennt menschliche Gespräche als einzige Trainingsquelle.
- →Ein öffentlicher technischer Bericht und unabhängige Benchmarks fehlen.
- →Stimmenmissbrauch und Moderation bleiben offene Sicherheitsfragen.
Häufige Fragen
Was bedeutet Vollduplex bei Dessa?
Das Modell kann zuhören, während es selbst spricht. Dadurch sind Unterbrechungen und kurze Rückmeldungen möglich.
Wurde Dessa mit Text trainiert?
Block sagt, das Modell sei ohne Text und ohne vortrainierte Modelle aus menschlichen Gesprächen aufgebaut worden.
Kann man Dessa bereits nutzen?
Bislang ist Dessa eine Forschungsvorschau mit Warteliste und ausgewählten Hörbeispielen.