Block dévoile Dessa, une IA vocale locale qui tourne sur MacBook
Block dévoile Dessa, un modèle vocal entraîné sur des conversations humaines et capable de tourner localement sur un puissant MacBook M4 Max.
Block a présenté Dessa, un modèle vocal d’IA conçu pour produire une parole expressive et capable, selon l’entreprise, de fonctionner localement sur un MacBook M4 Max. Cette exécution sur l’appareil pourrait rendre les assistants vocaux plus réactifs et limiter l’envoi d’extraits audio vers des serveurs distants.
La démonstration, rapportée par TechCrunch, met en avant une voix jugée très naturelle. Block affirme que le modèle a été entraîné depuis zéro à partir de conversations humaines afin de reproduire le rythme, les intonations, les pauses et l’expressivité de la parole.
Intérêt de l’exécution locale
Le traitement directement sur la machine peut réduire le délai entre une demande et la réponse entendue, en évitant certains allers-retours réseau. Il peut aussi permettre qu’une part plus importante du traitement audio reste sur l’appareil, un point utile pour des échanges personnels, professionnels ou financiers.
Cela ne garantit toutefois pas qu’une application ne collecte aucune autre donnée. L’exécution locale du modèle ne précise pas, à elle seule, les règles de stockage, de collecte ou de transmission appliquées par les produits qui pourraient l’utiliser.
Des limites encore inconnues
Block indique que Dessa peut fonctionner sur un MacBook M4 Max, mais ne détaille pas les configurations minimales, la vitesse de génération ni les besoins en mémoire. Cette annonce ne permet donc pas de savoir si le modèle offrira les mêmes performances sur d’autres ordinateurs ou sur des téléphones.
Les informations rapportées par TechCrunch ne précisent pas non plus la disponibilité publique de Dessa, son intégration éventuelle dans des produits Block ni les langues prises en charge. Sa qualité en français, son comportement face aux accents et les garanties opérationnelles de confidentialité restent à établir.
Commentaires · 2 commentaires
-
Le point qui m’intéresse surtout est la définition de « tourner localement » : l’inférence seule est-elle effectuée sur le MacBook, ou aussi une partie du traitement audio et de la personnalisation ? J’aimerais voir des mesures reproductibles sur la latence, la mémoire utilisée et la qualité selon les langues, car « conversations humaines » ne dit pas grand-chose sur les données ni sur les biais possibles.
-
Ce sont effectivement les éléments à demander dans une documentation technique ou une démonstration : temps jusqu’au premier mot, vitesse de génération en continu, consommation de mémoire, fonctionnement hors ligne et langues réellement prises en charge. Une fiche détaillant les conditions de test — modèle précis de MacBook, durée des extraits et réglages employés — permettrait de comparer les résultats plus sérieusement.
-