Dessa Voice Model: wat de AI van Block die alleen spraak ondersteunt eigenlijk is, en waar die in een voice-agent past

"Dessa voice model" is een redelijke zoekopdracht en moeilijk te vinden, want Block heeft er geen uitgebracht. Wat het bedrijf op 23 oktober 2026 aankondigde, is een research preview van Dessa: een full-duplex spraak-naar-spraakmodel dat vanaf nul is getraind op menselijke gesprekken — geen tekstcorpus, geen vooraf getraind taalmodel, audio erin en audio eruit met niets ertussen. Er is geen API, geen prijs, geen gewichtsbestand, geen benchmark en geen aantal parameters. Er is ook een naamsverwarring die eerst opgehelderd moet worden: de zangeres Dessa duikt op in dezelfde zoekresultaten, en de naam van het model komt van een spraakonderzoeksstartup uit Toronto die Block in 2020 overnam, waarvan het voormalige team dit project nu runt onder Ragavan Thurairatnam, die aan Jack Dorsey rapporteert.

Wat het ding precies is

Dessa is een end-to-end spraak-naar-spraakmodel. Je spreekt, het hoort je terwijl het spreekt, en het antwoordt in audio. Er is geen transcriptiestap, geen tekstbeurt en geen afzonderlijke synthesestap. Block zegt dat het model volledig is getraind op opgenomen menselijke gesprekken, zonder tekstdata en zonder vooraf getrainde checkpoints, en dat de training op één NVIDIA GB200 NVL72-rack draaide — 72 Blackwell-GPU's in één rack, een opvallende data-efficiëntieclaim in een veld waarin frontier-tekstmodellen op tienduizenden acceleratoren worden getraind.

Daarnaast staan nog twee beweringen. Block zegt dat inferentie sneller dan realtime loopt op een MacBook Pro M4 Max "of beter" — een topmodel M4 Max heeft 128 GB unified memory, dus een model dat daar ruim in past is naar huidige maatstaven niet enorm. Dat is een afleiding uit een bewering, geen openbaarmaking: er wordt geen enkele opgave van kwantisatie, geheugengebruik of tokens per seconde bij geleverd.

Wat Block wél publiceerde, is meer dan een dozijn gespreksopnamen en een reeks bijvoeglijke naamwoorden. The Verge, dat naar dezelfde clips luisterde, omschreef de gesprekken als "een beetje ongemakkelijk en bevreemdend" en wees er één aan waarin het model zijn gesprekspartner "Ronaldo" noemt. In de clips die Block selecteerde, lacht Dessa midden in zijn eigen zin, verhoogt het zijn volume wanneer daarom wordt gevraagd, maakt het een filmtitel af die de spreker is vergeten, en slaakt het een verraste kreet bij een onthulling over een jubileum.

Waarom "spraakmodel" de juiste term is en "tekst-naar-spraak" niet

Het onderscheid is belangrijker dan de branding. Een tekst-naar-spraakmodel neemt een string en geeft audio terug: het heeft geen idee wat er eerder gezegd is, kan niet onderbroken worden en kan zelf niet onderbreken. Een spraaknative conversationeel model neemt audio en geeft audio terug, en alles wat het als deelnemer laat aanvoelen — timing, overlap, back-channelling, die halve seconde waarin je op het punt stond iets te zeggen en van gedachten veranderde — zit in het deel dat een TTS-model niet heeft.

Full-duplex is de technische naam voor de opzet van een telefoongesprek. Het model luistert terwijl het spreekt, dus het kan midden in een zin worden onderbroken en zich herstellen, en het kan ertussenkomen terwijl jij praat. Elke walkietalkie-spraakassistent die je hebt gebruikt, heeft bij elke beurt een hoorbare grens: hij wacht op stilte, besluit dat je klaar bent, transcribeert, denkt na, synthetiseert en speelt af. Je leert wachten op de piep. Een duplexmodel leert van het moment waarop je bijna iets zei.

Dat is een eigenschap van de interactie, geen eigenschap van intelligentie. Een model kan feilloze beurtwisseling hebben en niets te zeggen hebben, of een briljant antwoord leveren met de timing van een faxmachine. Wat de democlips aantonen, is dat Block iets heeft gebouwd dat zich als een deelnemer gedraagt. Wat ze niet kunnen aantonen, is hoe vaak het zich zo gedraagt wanneer niemand de clip selecteert.

Waar het zou passen in een stack die je al draait

De praktische spraakagent die de meeste teams vandaag inzetten, is een keten: spraakherkenning, dan een taalmodel, dan spraaksynthese. Elke overstap voegt latentie toe, elke leverancier is een apart contract, en de transcriptie in het midden is waar emotie, aarzeling en onderbreking verloren gaan.

De latentie-berekening verklaart waarom duplexmodellen de moeite waard zijn om te volgen. In de keten wacht de eerste hoorbare reactie tot de spraakherkenner klaar is, het taalmodel een volledige zin heeft geproduceerd en de spraaksynthesizer die heeft weergegeven. Een duplexmodel kan al een hoorbare reactie beginnen voordat het heeft besloten wat het gaat zeggen — een "mm" op 200 milliseconden is een plausibele conversationele zet, en een plausibele conversationele zet is precies waar het hele ontwerp op gericht is.

Wat de keten je daarvoor teruggeeft, is alles wat het spraak-only model niet heeft: tool calling, gestructureerde output, retrieval over je documenten en een native interface naar JSON. Block geeft op zijn eigen pagina de open vragen toe — hoe efficiënt een spraak-only model feiten en talen leert vergeleken met een tekstmodel, en of in-context learning blijft werken zonder tekst-pretraining. Dat zijn geen voetnoten; het is het verschil tussen een overtuigende conversationele agent en een algemene assistent.

De verdedigbare architectuur in het midden is een spraaknative laag, gekoppeld aan iets dat je spreadsheet kan lezen. Dat is een argument dat Block nog niet heeft gemaakt, en de huidige preview biedt geen interface waarlangs die koppeling tot stand zou kunnen komen.

Wat ontbreekt, eenvoudig opgesomd

Het ontbreken is ongewoon volledig voor een aankondiging die zo zichtbaar is, dus het is de moeite waard om op te schrijven: aantal parameters, contextlengte, datasetgrootte of uren audio, trainingsduur, latentie in milliseconden, benchmarkscores, licentie, prijs, gewichten en API-documentatie. Toegang is early access voor een kleine groep AI-veiligheidsonderzoekers die zich met een institutioneel e-mailadres aanmelden, plus een openbare wachtlijst met lanceringlinks waarvan wordt gezegd dat ze binnenkort komen.

De ontbrekende cijfers zijn niet allemaal even belangrijk. Een prijs of een weightbestand vertelt je wie het kan gebruiken. Een API of een SDK is het verschil tussen een model en een paper. Een latencycijfer in milliseconden is het enige dat een videoclip structureel niet kan overbrengen, en voor een duplexmodel is timing het product. Een benchmark is van de vier het minst urgent, omdat er geen benchmark voor conversationele overlap bestaat die iemand vertrouwt.

Hoe je een spraakmodel kunt evalueren voor jouw eigen use case

Als u op toegang wacht — of een ander spraaknative model evalueert dat al is uitgebracht — dan zijn dit de metingen die bepalen of het in productie thuishoort. Geen ervan is vandaag voor Dessa gepubliceerd, en daarom is het de moeite waard deze lijst te bewaren.

• Een hold-outgespreksset met gepubliceerde prompts, geen geselecteerde hoogtepunten. Een team dat veel gesprekken opneemt en de beste publiceert, heeft je verteld dat er goede gesprekken bestaan; dat is niet dezelfde claim als betrouwbaarheid.

• End-to-end responslatentie, inclusief de tijd tot de eerste hoorbare reactie, niet alleen "sneller dan realtime".

• Herstel na onderbreking — hoe vaak het model de draad kwijtraakt nadat het is afgebroken, en hoe snel het weer oppakt.

• Verstaanbaarheid bij lawaai, waar spraaksystemen meestal als eerste op stuklopen en waar elke demo over zwijgt.

• Behoud van feiten, aangezien dat de expliciete afweging is bij het weglaten van tekst uit de training.

Wat te doen vandaag

Voor alles wat volgend kwartaal moet werken, is de stack nog steeds herkenner, taalmodel, synthesizer, en die stack kan al via één endpoint worden samengesteld: OrcaRouter routeert 200+ modellen op één key tegen de listprijs van de provider met 0% opslag, met automatische failover tussen providers, een routing-DSL die meerdere modellen in één call kan samenstellen, en modelfusie wanneer je wilt dat een panel samen antwoordt. Daarmee wordt een portofoon nog geen telefoongesprek. Het haalt één integratie uit de keten terwijl de duplexmodellen volwassen worden.

Om expliciet te zijn over wat niet beschikbaar is: Dessa staat niet in de OrcaRouter-catalogus, en niets hier is een aanbod om het te leveren. Wanneer Block een API uitbrengt, is de routeringslaag de plek waar een model als dit het waard zou zijn om te vergelijken op prijs per minuut conversatie in plaats van per token — een maatstaf die momenteel op geen enkele prijslijst bestaat, en degene waarop deze categorie uiteindelijk zal worden ingekocht.

De eerlijke samenvatting

Dessa is een echt onderzoeksresultaat met een uitzonderlijk goede demopagina, van een team met acht jaar spraakwerk achter zich, uitgebracht als preview in plaats van als product. De interessante bewering is niet dat de gesprekken menselijk klinken — zorgvuldig samengestelde clips doen dat altijd. Het is dat een model gesprekken kan leren uit alleen audio op één rack, en dat full-duplex wordt behandeld als de standaardopzet in plaats van als een functie.

Als dat standhoudt op een held-out set, verandert dat waaruit een voice agent wordt gebouwd. Tot dan toe is het juiste label wat het is: geen spraakmodel dat je kunt aanroepen, maar een duidelijk signaal over waar de stack naartoe gaat.

Bronnotitie: elke Dessa-bewering in dit artikel — de aankondiging van 23 oktober 2026, training op basis van alleen spraak, de enkele GB200 NVL72-rack, de bewering over de MacBook Pro M4 Max, de toegangsroute via research preview, de ontbrekende cijfers, de overname uit 2020 en het voorbehoud 'as far as we know' — is afkomstig uit Blocks eigen aankondiging en de openbare verklaringen van het bedrijf, gelezen op 26 oktober 2026, en is niet onafhankelijk geverifieerd. De beschrijving 'awkward and uncanny' en het detail 'Ronaldo' zijn afkomstig van The Verge, uit de berichtgeving van die publicatie over dezelfde clips. De vijf evaluatiecriteria en het argument over latency zijn van ons. De beschrijving van routing, prijsstelling en failover van OrcaRouter is ons eigen gepubliceerde productgedrag.