Jack Dorseyが設立したBlock(旧Square)は10月23日、テキストや事前訓練済みモデルを一切用いず、人間の会話音声録音のみからゼロから訓練された完全全二重(full-duplex)音声モデル「Dessa」を研究プレビューとして発表した。
このモデルは、話者同士の割り込み、環境音、感情的なイントネーション、自然なリズムといった人間の会話のあらゆるニュアンスを、テキストに変換することなく直接音声から音声へのモデルとして学習している。
Blockは、M4 Max以上のチップを搭載したMacBook Proでローカル実行可能であり、推論速度がリアルタイムを上回ると説明している。
