Block Dessa: 텍스트 없이 사람의 음성 대화만으로 학습한 전이중 대화 모델
무엇인가요
Dessa는 Block의 AI 연구실이 만든 음성 대 음성 대화 모델이에요. 텍스트나 사전학습 모델 없이 사람의 음성 대화만으로 처음부터 학습했고 전이중(듣는 동시에 말하는 방식)이라 상대 말 중간에 '응', '그렇구나' 같은 맞장구를 넣고 웃음·멈춤·감정도 소리로 표현해요. 별도 LLM을 거치지 않고 오디오를 받아 바로 오디오로 답해요. 학습은 NVIDIA GB200 NVL72 랙 하나로 했고 추론은 MacBook Pro M4 Max 이상에서 로컬로 돌아간다업체 주장고 해요.
왜 중요한가요
지금 음성 에이전트 대부분은 음성 인식 → LLM → 음성 합성을 잇거나 텍스트 LLM 위에 음성을 붙이는 구조인데, Dessa는 음성만으로 언어를 배운 다른 접근이에요. 노트북에서 돌아갈 만큼 작다는 점은 온디바이스 음성 비서나 개인정보가 민감한 상담에 의미가 있어요. 다만 지식이 대화 데이터에서만 오고 사람과 구분하기 어려운 목소리라 Block도 기만 위험을 먼저 시험하겠다고 밝힌 만큼 제품에 쓰기는 이르다고 봐야 해요.
완성도
Research 연구공개 API·가중치 없이 대기자 명단만 열려 있고 소수 AI 안전 연구자가 기관 메일로 먼저 써 볼 수 있게 신청을 받고 있어요. 벤치마크나 파라미터 수도 공개하지 않았어요.
앞으로 이렇게 지켜보세요
- 접근 확대: block.xyz/dessa 대기자 명단이 일반 공개·API·가중치 공개로 넓어지는지 봐요.
- 안전 평가: 초기 접근한 안전 연구자들이 음성 기만 위험을 어떻게 평가하는지, Block 연구실의 후속 보고서를 지켜봐요.
- 로컬 실행: 'M4 Max에서 실행' 주장대로 로컬 빌드나 앱이 나오는지 Jack Dorsey의 X 게시에서 확인해요.