Story
24. Okt. 2026
Blocks Dessa soll Sprach-KI dazu bringen, Gefühle zu hören, nicht nur Wörter
Block stellt Dessa als sicherere, menschlichere Möglichkeit dar, mit der KI zuhören und reagieren kann, während externe Berichterstattung seine bemerkenswert natürlichen Gespräche gerade deshalb überzeugend findet, weil sie auch unbeholfen und unheimlich wirken können.
Block hat Dessa vorgestellt, ein Speech-to-Speech-KI-Modell, das nach eigenen Angaben von Grund auf mit menschlichen Gesprächen trainiert wurde und einen bekannten Mangel von Sprachassistenten vermeiden soll: die Stimme einer Person vor der Antwort auf reinen Text zu reduzieren.
Das Argument des Unternehmens lautet, dass diese Pipeline die Pausen, den Rhythmus und die Emotionen entfernt, die Sprache ihre Bedeutung verleihen. „Die leistungsstärksten KIs der Welt können nicht hören, wie Sie sich fühlen“, erklärte Block und bezeichnete diese Einschränkung als schlechteres Erlebnis und als „potenziell gefährlich“.1 Anstatt sich auf textbasierte Emotions-Tags zu stützen, die von vielen Systemen zur Sprachgenerierung verwendet werden, sagt Block, Dessa verfüge über ausdrucksstarkes Verhalten, das direkt in sein Modell integriert sei.
Die frühen Demonstrationen sind die Kurzfassung dieses Versprechens. Dessa lacht, zögert und klingt müde, wenn es sagt, es sei von der Arbeit erschöpft; in einem anderen Austausch scheint es den Tränen nahe zu sein, während es beschreibt, wie jemand ihm ein Gefühl von Geborgenheit vermittelt. Block sagt, das Vollduplex-System könne gleichzeitig zuhören und sprechen und laufe lokal auf einem Verbrauchergerät wie einem MacBook M4 Max oder besser.1
Dieses lokale Design könnte für Blocks breiteres Geschäft wichtig sein, wo Square bereits Sprach-KI für Bestellungen einsetzt. Das Unternehmen macht Dessa jedoch noch nicht öffentlich zugänglich. Stattdessen hat es Sicherheitsforscher gebeten, ein Modell zu untersuchen, dessen emotionale Ausdrucksfähigkeit es überzeugender machen könnte – und potenziell auch besser dazu befähigen könnte, Menschen zu täuschen.1
Ein zweiter Blick auf die Demos unterstreicht beide Seiten dieses Gedankens. Die Gespräche sind „größtenteils natürlich“, doch eines beginnt damit, dass Dessa sein menschliches Gegenüber fälschlicherweise als „Ronaldo“ identifiziert; ein anderes nimmt während einer Diskussion über Christopher-Nolan-Filme unerwartet eine andere Wendung.2 In einem Spiel zum Erraten von Stimmen und in einem Gespräch mit OpenAIs GPT-Live-1 kann Dessa natürlicher wirken, doch seine gelegentliche Seltsamkeit bleibt Teil der Geschichte.2
Für Block ist das Modell ein Experiment in Neugier, Verständnis und Sicherheit. Für Zuhörer ist es auch eine Erinnerung daran, dass KI menschlicher klingen zu lassen eine Begegnung nicht automatisch angenehmer macht.