2026년 10월 24일 TechCrunch는 Block 연구실의 새 음성 모델 Dessa를 보도했다. Dessa는 텍스트를 거치지 않고 소리로 듣고 소리로 답한다. Block 창업자 Jack Dorsey는 10월 23일 게시물에서 Dessa와 대화하는 느낌이 사람과 대화하는 느낌과 같아 감정과 멈춤, 자연스러운 리듬이 있다고 썼다. 이 모델은 아직 연구 프리뷰 단계로 일반 사용자는 아직 쓸 수 없지만, 주류 음성 비서와는 다른 방향을 가리킨다.
텍스트로 바꾸지 않으면 소리의 정보가 먼저 절반 사라지지 않는다
대부분의 음성 비서는 먼저 음성을 텍스트로 바꾼 뒤 언어 모델이 답을 생각하고 마지막에 음성을 합성한다. 감정과 어조, 웃음소리, 멈춤처럼 소리에만 존재하는 정보는 첫 단계에서 버려질 수 있다. Dessa는 전이중 음성 모델이다. 들으면서 말하고, 끼어들고 말을 주고받으며, “응”, “알겠어” 같은 짧은 반응으로 대화를 이어가고, 감정과 비꼼, 웃음, 한숨, 어조 변화를 알아듣는다. Block이 공개한 대화 데모에서 모델은 피곤하다고 말할 때 정말 피곤하게 들리고, 재미있는 일이 있으면 웃는다. 감정은 나중에 붙인 라벨이 아니라 모델이 소리에서 배운 표현 방식이다.
사람의 목소리만으로, 그것도 한 대의 기계로 학습했다
Block에 따르면 Dessa는 인간 대화 녹음만으로 처음부터 학습했으며 텍스트도 사전 학습 모델도 쓰지 않았다. “수백 배 적은 단어”로 언어를 배웠다고 하지만, 언어 모델은 코드 등 다른 것도 배워야 하므로 단어 수를 직접 비교할 수는 없다. 학습에는 NVIDIA GB200 NVL72 시스템 한 대만 쓰였고, 추론은 실시간보다 빠르며, M4 Max 칩 이상을 탑재한 MacBook Pro에서 로컬로 실행된다. 즉 음성 대화가 반드시 클라우드 규모의 모델과 텍스트 파이프라인에 의존할 필요는 없으며, 작고 전문화된 음성 모델도 사람답게 대화할 수 있다.
사람처럼 들리는 것이 바로 먼저 넘어야 할 관문이다
Block은 모델 규모와 데이터셋 규모, 지연 수치, 정식 벤치마크 결과를 공개하지 않았고 공개 일정도 밝히지 않았다. 초기 테스트는 현재 소수의 AI 안전 연구자에게만 열려 있고 공개 대기자 명단도 있다. TechCrunch는 Block이 먼저 위험을 파악하려는 것일 가능성이 높다고 지적한다. 사람처럼 너무 잘 들리는 음성 비서는 전화 상대에게 실제 사람인 것처럼 속이는 데 쓰일 수 있다. 목소리가 자연스러울수록 말하는 사람을 검증하고 AI임을 표시하며 확인할 수 있는 기록을 남기는 일이 중요해진다. 그렇지 않으면 기술적으로 “사람 같다”는 것이 신뢰의 문제로 쉽게 바뀐다. 일반 사용자에게 Dessa는 지금 당장 내려받을 제품이라기보다 기술 방향으로 주목할 가치가 있다. 음성이 텍스트 파이프라인에 의존하지 않아도 된다는 것을 보여줬지만, 일상 제품에 들어가려면 안전과 표시, 검증 가능성이라는 질문에 먼저 답해야 한다.
