BlockはDessaを発表した。これは音声を直接処理し、事前に音声をテキストに変換することなく、感情やサーガ、ポーズをリアルタイムで認識することを目的とした音声モデルである。The Decoderの情報によれば、同モデルは感情・サラダやポーズをリアルタイムで認識することを想定している。

DessaはMacBook ProのM4 Maxチップでローカルに動作するが、現時点で公には利用できない。これにより、外部による検証や実用的な利用が制限されている。

このアプローチが検証されれば、言葉の意味だけでなく、声のトーンや間の取り方が重要となるシステムにとって重要になる可能性がある。次の注目サインは、モデルの公開や独立したテストの結果の公表になるだろう。