Block hat mit Dessa eine Sprach-KI vorgestellt, die fast menschlich klingt, ausschließlich mit Sprachdaten trainiert wurde und lokal auf einem MacBook Pro läuft. Die Reaktionen schwanken zwischen Begeisterung und der Warnung, das System könnte überzeugende Telefonbetrügereien ermöglichen. Das ist relevant, weil derart realistische Stimmen verändern, wie Menschen entscheiden, ob sie mit einem Menschen oder einer Maschine sprechen.
Was tatsächlich passiert ist
Block, das Zahlungsunternehmen unter der Führung von Jack Dorsey, kündigte Dessa am 24. Oktober 2026 als Forschungsvorschau an. Das Modell wurde vollständig mit menschlicher Sprache trainiert, nicht mit Text, und kann laut Blocks Ankündigung gleichzeitig zuhören und sprechen, Unterbrechungen sowie Lachen in Echtzeit verarbeiten. Dorsey schrieb auf X, ein Gespräch mit Dessa fühle sich an "wie das Gespräch mit einem Menschen ... voller Emotion, Nuancen, Pausen und eines natürlichen Sprachrhythmus". Block trainierte Dessa von Grund auf mit einem einzigen Nvidia-GB200-NVL72-System, und das Modell läuft lokal auf einem MacBook Pro mit M4-Max-Chip oder besser. Die X-Nutzer Alexander Hoff und Hesamation bezeichneten die Demos als verblüffend natürlich, während Filmemacherin Justine Bateman und Journalist Shiv Aroor davor warnten, dass die Realitätsnähe Täuschung und Betrugsanrufe befeuern könnte. Binance-Gründer Changpeng "CZ" Zhao schlug über sein Projekt GiggleAcademy Einsatzmöglichkeiten in der Kinderbildung vor.
Wie es dazu kam
Blocks KI-Forschungslabor berichtet direkt an Dorsey und beschäftigt Mitarbeitende des Toronto-Startups Dessa, das Square 2020 übernommen hatte. Das erklärt sowohl den Namen des Modells als auch das langjährige Interesse des Labors an Sprachtechnologie. Die meisten Sprachassistenten wandeln Sprache heute in Text um, erzeugen eine Antwort und verwandeln diese wieder in Audio zurück, ein Prozess, bei dem Tonfall und Timing verloren gehen. Dessa verarbeitet Audio direkt und überspringt diesen Umweg. Das reiht sich ein in einen breiteren Trend: KI-Stimmwerkzeuge werden zunehmend gut genug, um reale Personen zu imitieren, was bereits bei Telefon- und Videobetrug im Jahr 2026 andernorts dokumentiert wurde.
Warum das für dich wichtig ist
Für Entwickler ist Dessa ein Signal, dass konversationsfähige KI, die kompakt genug für Consumer-Hardware ist, zunehmend realistisch wird – relevant für alle, die Sprachschnittstellen für Wearables oder Smart Glasses entwerfen. Für Nutzer bedeuten natürlichere KI-Stimmen weniger Anhaltspunkte, um am Telefon Mensch von Maschine zu unterscheiden. Für Block positioniert die Forschungsvorschau das KI-Labor als ernstzunehmenden Akteur jenseits des Zahlungsgeschäfts, ohne sich bereits auf ein Produkt oder einen Zeitplan festzulegen. Da weder Benchmarks noch Modellgröße oder Erscheinungsdatum veröffentlicht wurden, bleibt die tatsächliche Leistungsfähigkeit außerhalb der firmeneigenen Demos unbestätigt.
Die größere Frage
Wenn KI-Stimmen irgendwann nicht mehr von menschlichen zu unterscheiden sind, sollte dann eine Offenlegungspflicht gelten, dass man mit einer Maschine spricht – und wer würde das durchsetzen?
Worauf jetzt zu achten ist
Block hat bislang nur einer kleinen Gruppe von KI-Sicherheitsforschern frühen Zugang gewährt, ein öffentliches Erscheinungsdatum, Benchmark-Ergebnisse oder Angaben zur Modellgröße fehlen weiterhin. Zu beobachten bleibt, ob Block unabhängige Tests veröffentlicht und ob CZs GiggleAcademy Dessa für die Kinderbildung aufgreift. Ein Rollout für Endkunden wäre der nächste konkrete Meilenstein, den es im Auge zu behalten gilt.
