Block Dessa, il modello vocale full-duplex addestrato solo su conversazioni umane

Block, la società di Jack Dorsey, ha presentato Dessa, un modello vocale speech-to-speech che ascolta e parla nello stesso momento e che, secondo l’azienda, è stato addestrato da zero solo su conversazioni umane, senza testo e senza partire da modelli già esistenti. L’annuncio è del 23 ottobre 2026 e, almeno per ora, non è un prodotto: è un’anteprima di ricerca riservata a un piccolo gruppo di ricercatori sulla sicurezza dell’AI.

Perché dovrebbe interessarti? Perché sposta il dibattito sulle voci artificiali da una domanda tecnica (quanto suona naturale?) a una molto più scomoda: che cosa succede quando un’AI non si limita a leggere ad alta voce un testo, ma impara davvero a conversare ascoltando le persone?

Che cos’è Dessa e come è stato presentato

Dessa nasce dal laboratorio di ricerca sull’intelligenza artificiale di Block, che risponde direttamente a Jack Dorsey. Il progetto è guidato da Ragavan Thurairatnam, che aveva cofondato la startup canadese di deep learning chiamata proprio Dessa, acquisita da Block nel 2020. Il nome, quindi, è un ritorno alle origini più che un’invenzione di marketing.

Il modello è definito full-duplex. In pratica non aspetta che tu finisca di parlare per cominciare a elaborare una risposta: ascolta mentre parla, può reagire a un’interruzione, a una pausa o a un “mhm” di conferma, esattamente come accade tra due persone al telefono. Block lo descrive con uno slogan semplice, che riassume bene la filosofia del progetto: hai imparato a parlare ascoltando, e lo stesso ha fatto Dessa.

Una voce che non passa dal testo

La maggior parte degli assistenti vocali che usi oggi funziona a strati. L’audio viene trascritto, un modello linguistico ragiona sul testo, poi un sintetizzatore trasforma la risposta in voce. Funziona, ma ogni passaggio perde qualcosa: il tono, l’esitazione, l’ironia, l’emozione di chi parla.

Dessa lavora direttamente sull’audio. Secondo Block elabora il segnale vocale senza convertirlo in testo, e proprio per questo può mantenere quelle sfumature che di solito si perdono per strada.

Addestrato solo su conversazioni umane

Il dettaglio che distingue Dessa da quasi tutto ciò che hai letto sulle voci artificiali è il metodo di addestramento. Block sostiene che il modello sia stato costruito da zero, usando esclusivamente conversazioni umane registrate, senza testi e senza modelli preaddestrati come punto di partenza.

L’azienda afferma anche che Dessa sarebbe riuscito a imparare da centinaia di volte meno parole rispetto a un tipico modello linguistico di grandi dimensioni. È un’affermazione molto forte, e va trattata come tale: è una dichiarazione di Block, non un dato verificato da terzi, e l’azienda non ha pubblicato la quantità di ore di audio usate né il numero di parametri.

Sul fronte dell’hardware, l’addestramento sarebbe avvenuto su un singolo sistema NVIDIA GB200 NVL72, una configurazione che oggi è considerata sostanzialmente contenuta rispetto ai cluster che servono per i modelli di frontiera.

Girare in locale su un portatile

Un altro punto interessante riguarda l’esecuzione. Block dichiara che il modello funziona più veloce del tempo reale e che può girare in locale su un MacBook Pro con chip M4 Max o superiore. Significa niente pause percepibili nelle risposte e, soprattutto, nessuna necessità di inviare la tua voce a un server remoto.

Per chi si occupa di privacy e di applicazioni professionali, la possibilità di tenere tutto sul dispositivo è un argomento tutt’altro che secondario. Resta però da capire che cosa serva davvero per ottenere quelle prestazioni, visto che parliamo di una delle macchine più potenti della gamma portatile.

Perché Block parla di sicurezza

La parte più insolita dell’annuncio è la motivazione. Block indica tre ragioni: la curiosità scientifica, la possibilità di migliorare la comprensione tra esseri umani e AI e, appunto, la sicurezza. Il ragionamento è che i sistemi di intelligenza artificiale diventano sempre più capaci, ma restano in larga parte sordi a ciò che la voce comunica oltre alle parole: stress, esitazione, disagio, fretta.

Un modello che impara a cogliere questi segnali potrebbe, in teoria, rispondere in modo più adeguato. Ma potrebbe anche diventare molto più persuasivo, e questo è il motivo per cui l’accesso anticipato è stato limitato a ricercatori della sicurezza, con l’obiettivo dichiarato di far emergere rischi che il team non ha previsto.

Il rischio della persuasione

Una voce capace di leggere le emozioni e di adattarsi in tempo reale è uno strumento potente per l’assistenza, l’accessibilità e la formazione. È anche, inevitabilmente, uno strumento adatto alle truffe telefoniche, all’impersonificazione e alla manipolazione. Il fatto che Block scelga di aprire prima ai ricercatori di sicurezza va letto in questa chiave, anche se per ora non descrive protezioni specifiche né valutazioni pubbliche.

Un laboratorio con una storia particolare

Block è nota soprattutto per i pagamenti e per i servizi finanziari, non per i modelli di frontiera, e il suo ingresso nella ricerca sulla voce può sorprendere. Il fatto che il laboratorio risponda direttamente a Dorsey suggerisce però che l’azienda consideri l’AI conversazionale un tassello strategico, forse anche per l’assistenza clienti e per le interazioni con i servizi finanziari, anche se Block non ha indicato nessun prodotto commerciale collegato a Dessa.

Per ora, dunque, parliamo di ricerca pura, con tutti i limiti e la libertà che questo comporta.

Cosa sappiamo e cosa no

Qui serve onestà intellettuale. Le dimostrazioni pubblicate da Block comprendono conversazioni dal vivo e un gioco di indovinelli a voce, ma sono, appunto, dimostrazioni, non benchmark indipendenti. Non esistono dati su affidabilità, sicurezza o prestazioni con utenti reali, né una scheda tecnica con architettura e dimensioni.

Tutto ciò che riguarda la qualità percepita, la naturalezza del dialogo e la vera efficienza dell’addestramento va quindi considerato provvisorio, finché qualcuno al di fuori di Block non avrà potuto provare il modello e misurarlo.

In sintesi: l’idea è interessante e la tecnologia potrebbe essere importante, ma la prova dei fatti non c’è ancora.

Dove si inserisce nel panorama delle AI vocali

Dessa arriva in un autunno molto affollato per la voce. xAI ha portato il suo Grok Voice 3.0, un modello vocale speech-to-speech pensato per le conversazioni in tempo reale, mentre OpenAI ha aggiornato la sua modalità vocale con GPT-Live 1.1, con nuove voci e accenti in ChatGPT.

Sul versante europeo, Mistral ha presentato Voxtral 3 con trascrizione, sintesi vocale e SDK per agenti vocali, mentre sul fronte dell’esecuzione locale abbiamo raccontato Gradium Phonon, la sintesi vocale open source che gira sul dispositivo.

Rispetto a questi progetti, Dessa si distingue per due scelte: nessun passaggio dal testo e un addestramento costruito solo sul parlato umano. Se i risultati reggeranno alla verifica, potrebbe indicare una strada alternativa al modello linguistico “con la voce attaccata sopra”.

Perché conta anche per chi lavora con i contenuti

Se ti occupi di marketing, SEO o produzione di contenuti, l’evoluzione delle interfacce vocali non è un dettaglio. Assistenti che dialogano in modo naturale cambiano il modo in cui le persone cercano informazioni, fanno domande e scelgono i servizi, e questo si riflette sulle query, sui formati e sui punti di contatto con i clienti.

Per ora Dessa non è utilizzabile da nessuno al di fuori di un cerchio ristretto di ricercatori, ma indica la direzione in cui sta andando il settore: meno trascrizioni, più ascolto diretto.

Conclusioni: da tenere d’occhio, senza entusiasmi anticipati

Dessa è un esperimento di ricerca ambizioso, con una tesi chiara: per far parlare bene un’AI serve prima farla ascoltare bene. Le premesse sono affascinanti, soprattutto sull’efficienza dell’addestramento e sull’esecuzione in locale, ma mancano i dati per giudicare davvero.

Il consiglio pratico è semplice. Segui gli sviluppi, leggi con attenzione la pagina ufficiale di Block dedicata a Dessa e diffida di chi presenta già il modello come una rivoluzione compiuta. Quando arriveranno benchmark indipendenti e un accesso più ampio, ne parleremo di nuovo: nel frattempo, se vuoi restare aggiornato sulle novità dell’AI vocale, continua a seguire le nostre news e dicci nei commenti che cosa ti aspetti da una voce artificiale che sa davvero ascoltare.