かなり人間っぽい会話が可能なAI「Dessa」をジャック・ドーシー率いるBlockが発表、テキストを省いて会話音声のみで訓練しMacBook Proでローカル実行可能

We believe voice is the most natural way to interact with intelligence, so we created Dessa, the most authentic full-duplex speech model ever built. Talking with it feels like talking with a person…full of emotion, nuance, pauses, and a natural cadence. https://t.co/r0qFLdvd6c

— jack (@jack) October 23, 2026

既存の音声会話AIはテキストを生成する大規模言語モデル(LLM)の延長として設計されており、テキストでは表現しきれない抑揚や感情などの要素がそぎ落とされています。一方で、Dessaは人間の会話音声のみを使ってトレーニングされており、設計段階からリアルタイム会話を念頭に開発されています。開発チームは「Dessaは人間の音声のみでトレーニングされた、リアルな会話ができる世界初のAIです」とアピールしています。

人間とDessaの会話例が以下。一般的な音声会話AIは「人間の発言が一区切りするのを待ってから応答する」という動作をしますが、Dessaは「人間の発言中にかぶせるように返答する」「相づちを打つ」「発言に反応して笑う」といった自然な会話が可能です。

かなり人間っぽい音声会話AI「Dessa」の実例その1 - YouTube

Dessaは1台のNVIDIA GB200 NVL72を使ってトレーニングされており、M4 Max搭載MacBook Proでローカル実行できるとされています。ただし、記事作成時点ではDessaのAPIやモデルは公開されておらず、AI安全研究者を募ってリスクを検証している段階です。

なお、Dessaの開発チームは、カナダのトロントで2012年からAIについて研究してきた「Dessa」というスタートアップのメンバーで構成されており、記事作成時点ではBlockの小規模AI研究チームといて活動しているとのこと。Dessaの成果はジャック・ドーシーCEOに直接報告されているそうです。