Block, 사람의 음성만으로 학습한 전이중 음성 AI 「Dessa」 발표

Block는 2026년 10월 24일 사람의 대화만으로 처음부터 학습시킨 음성 AI 모델 「Dessa」를 발표했다. The Verge에 따르면 회사는 Dessa를 「true speech-to-speech model」로 규정하고 있다. The Decoder는 텍스트를 전혀 사용하지 않고 사람의 음성만으로 학습했다고 전했다. 일본어 검색으로 확인되는 보도에서는 Block이 텍스트나 사전 학습된 모델도 사용하지 않았다고 설명했다고 전했으며, 이번 발표는 연구 프리뷰이고 공개 링크는 준비 중이라고 한다. 10월 25일에는 TechCrunch가 학습에 NVIDIA GPU를 사용했다는 Block의 설명을 보도했다. 학습에 사용한 GPU 규모는 보도마다 표현이 다르다. TechCrunch는 「GPU 1개」라고 전했지만, 같은 날 나중에 나온 다른 보도는 「NVIDIA GPU 랙 1대」라고 적었다. Dessa는 음성을 직접 처리하며 감정, 빈정거림, 웃음, 간격, 흐느낌을 포착해 재현한다고 한다. 듣는 동시에 말할 수 있는 전이중 방식을 지원하며, 웃음소리나 목소리 크기의 변화에도 반응한다고 한다. TechCrunch에 따르면 OpenAI가 올해 상반기에 공개한 GPT-Live도 같은 전이중 방식이다. 로컬 실행 요건은 The Decoder가 「MacBook Pro M4 Max에서 동작」이라고, 다른 보도는 「M4 Max 이상」이라고 적어 표현에 차이가 있다. Block는 기존 음성 AI는 텍스트를 거치기 때문에 부자연스러워지기 쉬우며, 음성을 텍스트로 바꾸면 많은 정보가 사라진다고 주장한다. TechCrunch에 따르면 일반적으로 음성 모델은 지식 획득을 위해 대규모 언어 모델과 결합되지만, Dessa의 지식은 대화 데이터에서 비롯된다고 Block는 설명했다. ElevenLabs v4나 Fish Audio Drama 3 등이 음성 태그로 감정을 제어하는 반면, Dessa는 감정이 모델에 내재되어 있다고 한다. 다만 태그와 같은 방식으로 제어하는지는 밝혀지지 않았다. 공개 데모에는 지친 목소리, 울음이 터질 듯한 목소리, 게임을 하는 팀원들의 대화 등이 포함되어 있다. Dessa는 현재 일반에 공개되지 않았다. The Verge와 일본어 보도는 소수의 AI 안전성 연구자에게 먼저 제공할 방침이라고 전했다. The Decoder는 회사가 AI 보안 연구자를 모집해 예기치 않은 위험을 검증하고 있다고 보도했다. 10월 25일 보도에서는 안전성 연구자 테스트 참가자를 모집하고 있으며 연구자에게 초대장을 보내고 있다고 전했고, 목적은 음성 에이전트가 사람을 속일 위험을 검증하는 것이라고 한다. TechCrunch에 따르면 Block는 금융과 소상공인 대상 서비스를 운영하며, Square는 이미 주문 응대에 음성 AI를 사용하고 있어 기기 내에서 작동하는 자체 모델이 있다면 더 낮은 비용으로 서비스를 제공할 수 있다고 한다. 일본어 보도는 학습과 성능에 관한 주장이 독립적으로 검증되지 않았다고 지적했다. 일반 대상 제공 시기, 가격, 상세 성능은 제시되지 않았다.

보도를 바탕으로 AI가 작성 · 10일 전 업데이트