तकनीकी दुनिया में एक बड़ा बदलाव आ रहा है। ट्विटर के पूर्व सीईओ जैक डोर्सी की कंपनी ब्लॉक (Block) ने डेसा (Dessa) नाम का एक ऐसा AI मॉडल पेश किया है, जो इंसानों की तरह बातचीत करने में सक्षम है। यह न केवल सुनता है, बल्कि बीच में टोकने, हंसने और बातचीत करने के दौरान स्वाभाविक रुकने (pauses) जैसी मानवीय खूबियां भी दिखाता है।

टेक्स्ट नहीं, सीखता है असल बातचीत से मौजूदा AI मॉडल जैसे ChatGPT या Gemini पहले आपकी आवाज को टेक्स्ट में बदलते हैं और फिर जवाब देते हैं। इस प्रक्रिया में भावनाएं, व्यंग्य और लहजा अक्सर खो जाता है। डेसा इससे बिल्कुल अलग है। इसे लार्ज लैंग्वेज मॉडल (LLM) पर आधारित न करके सीधे स्पीच-टू-स्पीच डेटा पर ट्रेन किया गया है, यानी इसने इंसानों को आपस में बात करते हुए सुनकर भाषा सीखी है।

बिना इंटरनेट और शक्तिशाली मशीन पर असरदार डेसा की सबसे बड़ी खूबी इसकी स्थानीय क्षमता है। इसे चलाने के लिए हमेशा इंटरनेट की जरूरत नहीं पड़ती। यह MacBook Pro M4 Max या उससे बेहतर क्षमता वाले हार्डवेयर पर ऑफलाइन भी काम कर सकता है। इसे ट्रेन करने के लिए केवल एक NVIDIA GB200 NVL72 सिस्टम का उपयोग किया गया है, जो इसे तकनीकी रूप से बेहद कुशल बनाता है।

एक साथ सुनता और बोलता है डेसा फुल-डुप्लेक्स तकनीक पर आधारित है। इसका मतलब है कि यह आपके वाक्य खत्म करने का इंतजार नहीं करता। यह इंसान की तरह बातचीत के बीच में हां , ठीक है या हंसी के जरिए अपनी मौजूदगी दर्ज कराता है। यह तकनीक बातचीत को मशीनी नहीं, बल्कि बिल्कुल सटीक और जीवंत बनाती है।

सुरक्षा और भविष्य की राह जैक डोर्सी ने स्पष्ट किया है कि यह मॉडल किसी भी टेक्स्ट-आधारित भाषा मॉडल का उपयोग नहीं करता है। फिलहाल, कंपनी ने इसे एआई सुरक्षा शोधकर्ताओं के लिए खोल दिया है, ताकि इसके संभावित जोखिमों को परखा जा सके। यह प्रोजेक्ट इस बात का प्रतीक है कि भविष्य में एआई सिर्फ जानकारी देने वाला साधन नहीं, बल्कि एक बातचीत का साथी बनने की ओर बढ़ रहा है।

We made the first AI model you can have a realistic conversation with that was trained entirely on speech!

Dessa is a full-duplex speech-to-speech model that you can run on consumer GPUs.

This is a GPT3 moment for speech. pic.twitter.com/XVD8sSyJn8

— Ragavan Thurairatnam (@RagavanThurair) October 23, 2026