Block Dessa 공개: 음성만으로 학습한 풀 듀플렉스 음성 모델

핵심 요약

Block은 2026년 10월 24일 자체 연구 조직의 음성 모델 Dessa를 공개했다(TechCrunch, The Decoder, Block 공식 페이지). Block은 Dessa를 텍스트와 사전학습 모델 없이 사람 음성만으로 처음부터 학습한 풀 듀플렉스 음성-음성 모델이라고 설명한다. 풀 듀플렉스는 듣는 동시에 말하는 방식이다. 현재 일반 공개는 없고 대기자 명단과 AI 안전 연구자 대상 조기 접근만 열려 있다.

이 글의 성능과 학습 관련 내용은 모두 Block의 주장이다. 파라미터 수, 벤치마크, 라이선스, 가격은 공개되지 않았다. TechCrunch도 성능 주장이 회사와 연구자에게서 나왔다고 밝혔다.

Dessa는 Block 안의 소규모 AI 연구 랩이기도 하다. Block 페이지에 따르면 토론토 딥러닝 스타트업 Dessa 출신 멤버가 만들었고, Block 공동창업자 Jack Dorsey에게 직접 보고한다. 이 글은 이 랩이 공개한 음성 모델 Dessa를 다룬다.

주요 내용

1. 텍스트 없이 음성만으로 학습

Block은 Dessa가 텍스트와 사전학습 모델 없이 사람 음성만으로 학습됐다고 밝혔다. 학습은 NVIDIA GB200 NVL72 한 대에서 진행했다(TechCrunch는 GPU 랙 한 대로 표기). Block은 LLM에 필요한 양보다 수백 배 적은 단어로 학습했다고 주장한다.

TechCrunch에 따르면 Dessa의 지식은 별도 LLM이 아니라 대화 데이터에서 나온다. 대부분의 음성 시스템은 지식 조회를 LLM에 맡긴다. 다만 모델 크기와 학습 데이터 규모는 공개되지 않았다.

2. 듣는 동시에 말하는 대화

Block은 Dessa가 "yeah", "got it" 같은 추임새를 넣고 끼어들 시점을 판단한다고 설명한다. 감정, 빈정거림, 웃음, 한숨, 목소리 갈라짐을 듣고 만들어낼 수 있다고 한다. 요청하면 음량도 조절한다.

TechCrunch는 감정이 모델에 내장됐다는 Block의 주장을 전하면서, ElevenLabs v4나 Fish Audio Drama 3처럼 태그로 제어되는지는 불분명하다고 적었다.

3. 로컬 실행

Block 페이지는 추론이 실시간보다 빠르고 MacBook Pro M4 Max 이상에서 로컬로 실행된다고 밝힌다. 클라우드 의존 없이 기기에서 돌아간다는 점이 Block이 내세우는 차별점이다.

4. 안전 연구자 우선 접근

Block은 음성 AI가 사용자의 고통이나 감정을 감지하지 못하는 문제를 동기로 든다. 페이지에는 "Imagine being in serious pain while a voice AI has no idea and just keeps going."이라는 문장이 있다. Block은 AI 안전 연구자에게 먼저 접근권을 주고 예상치 못한 위험을 시험해 달라고 요청했다. TechCrunch에 따르면 음성 에이전트가 사람을 속일 수 있는 경우가 특히 관심사다.

데모와 검증 상태

공개된 데모는 Block 연구자들이 고른 것이다. TechCrunch는 일에 지쳤다고 말하며 실제로 지친 목소리를 내는 대화, 팀원과 한 추측 게임을 소개했다. Dessa 리드 Ragavan Thurairatnam은 이를 음성 분야의 "GPT3 moment"라고 불렀다(TechCrunch).

Block 페이지는 GPT-Live-1 데모에서 Dessa를 서드파티 AI 모델과 짝지었다고 밝힌다. 해당 모델 개발사는 Block과 무관하며 Dessa를 검토하거나 보증하지 않았다. 독립 평가나 정량 벤치마크는 아직 없다.

사용성 분석

일반 사용자가 쓸 수 없어 사용성을 평가할 수 없다. 연구자 접근 신청은 기관 이메일과 요청 내용을 적는 양식으로 받는다. TechCrunch는 Block이 금융 서비스와 소상공인 판매에 집중하며 Square가 이미 주문에 음성 AI를 쓴다고 전했다. Block은 온디바이스 모델이 더 낮은 비용으로 다양한 활용을 가능하게 한다고 설명했다.

기존 음성 AI와의 비교

The Decoder는 감정 표현을 내세운 이전 음성 AI로 Hume AI EVI(2024년 3월), Kyutai Moshi(2024년 9월), LAION Open Empathic, OpenAI Advanced Voice Mode를 언급했다. TechCrunch는 Dessa의 풀 듀플렉스 방식을 2026년 초 공개된 OpenAI의 GPT-Live에 견줬다. 같은 조건의 비교 데이터는 공개되지 않았다.

장단점

장점은 텍스트 없이 음성만으로 학습했다는 설계, 풀 듀플렉스 대화, 로컬 실행, 안전 연구자 우선 접근이다. 한계는 일반 접근 불가, 모델 크기와 라이선스와 가격 미공개, 벤치마크 부재, 선별된 데모에 의존한 검증이다.

전망

안전 연구자 테스트 결과와 일반 공개 시점, 라이선스 조건은 아직 확인되지 않았다. 독립 평가가 나오기 전까지는 Block의 학습 효율 주장을 검증할 수 없다. 감정 제어 방식이 공개되면 기존 태그 기반 음성 모델과의 차이도 판단할 수 있다.

결론

Dessa는 텍스트 없이 음성만으로 학습한 풀 듀플렉스 음성 모델이라는 점에서 설계가 분명한 연구 공개다. 다만 모든 수치는 Block의 주장이고 접근도 제한적이다. 음성 AI의 감정 인식과 온디바이스 실행에 관심 있는 연구자와 개발자는 대기자 명단과 후속 공개를 확인할 만하다. 평점은 3점이다.