---
title: "Kein Text: Twitter-Gründer bringt KI bei, menschliche Sprache nach Gehör zu verstehen"
description: "Jack Dorseys Block hat das Sprach-KI-Modell Dessa entwickelt, das rein auf Audiobasis ohne Texte trainiert wurde. Das System führt Echtzeit-Dialoge mit Ton- und Emotionserkennung."
date: 2026-10-26T12:20:31.634Z
lang: de
url: https://xab.info/de/posts/twitter-gruender-bringt-ki-bei-sprache-zu-verstehen
tags: [artificial-intelligence, jack-dorsey, audio-ai, block, machine-learning]
author: "Alexander Buran"
publisher: "XAB.info"
---

# Kein Text: Twitter-Gründer bringt KI bei, menschliche Sprache nach Gehör zu verstehen

![Twitter-Gründer Jack Dorsey in einer schwarzen Mütze vor dem Hintergrund einer digitalen Schallwelle mit der Aufschrift dessa](https://xab.info/media/2026/10/26/osnovatel-twitter-nauchil-ii-ponimat-yazyk-na-sluh/osnovatel-twitter-nauchil-ii-ponimat-yazyk-na-sluh-1.webp)

## Kernpunkte

- Das Dessa-Modell wurde ausschließlich mit Audioaufnahmen ohne Verwendung von Texten trainiert
- Das System arbeitet mit direkten Audiosignalen ohne Zwischentexterkennung
- Der Vollduplex-Modus ermöglicht gleichzeitiges Zuhören und Sprechen
- Die künstliche Intelligenz kann lokal auf MacBook Pro-Laptops mit M4 Max-Chips ausgeführt werden

Block, das von dem ehemaligen Twitter-Chef Jack Dorsey gegründete Unternehmen, hat ein neues Sprach-KI-Modell namens Dessa vorgestellt. Das Hauptmerkmal der Entwicklung ist der vollständige Verzicht auf Textdaten während des Trainings: Das System verarbeitet und versteht ausschließlich Audioaufnahmen menschlicher Gespräche. Den Entwicklern zufolge ermöglicht dieser Ansatz dem Modell, kleinste Nuancen der gesprochenen Sprache wie Intonation, Pausen und emotionale Färbung einzufangen und eine möglichst natürliche Interaktion zu gewährleisten.

### Architektur ohne Textschicht

Herkömmliche Sprachassistenten und moderne Konversations-KI-Modelle nutzen in der Regel eine mehrstufige Architektur. Zunächst wird der gehörte Ton mithilfe von Spracherkennungsmodulen in Text umgewandelt, dann wird die Textanfrage von einem Sprachmodell verarbeitet und schließlich die Antwort wieder in ein Sprachformat synthetisiert. Dieser Ansatz führt unweigerlich zum Verlust emotionaler Nuancen, Intonationen und des natürlichen Rhythms der Konversation.

Im Gegensatz zu klassischen Systemen arbeitet das Dessa-Modell auf Basis direkter Audiosignale ohne Zwischentextstufe. Dies ermöglicht der künstlichen Intelligenz nicht nur, die Worte des Gesprächspartners zu hören, sondern gleichzeitig auch dessen emotionalen Zustand zu analysieren. Das System ist in der Lage, direkt während des Gesprächs sofort auf Sarkasmus, Lachen, Stimmschwankungen oder Tonhöhenänderungen zu reagieren, wodurch die Kommunikation praktisch von einem Dialog mit einem echten Menschen kaum zu unterscheiden ist.

### Möglichkeiten des Vollduplex-Modus

Die Neuentwicklung unterstützt die Vollduplex-Kommunikation, was die Fähigkeit bedeutet, gleichzeitig zuzuhören und zu sprechen. Dadurch kann die künstliche Intelligenz rechtzeitig pausieren, auf Äußerungen des Gesprächspartners reagieren oder ihn je nach Gesprächskontext sogar unterbrechen. Während interner Tests zeigte das System die Fähigkeit, vergessene Filmtitel eigenständig zu ergänzen oder die Sprechweise auf Wunsch des Benutzers zu ändern.

Neben einer hohen Anpassungsfähigkeit zeichnet sich das Modell durch seine Hardware-Effizienz aus. Für das Training nutzten die Ingenieure nur einen einzigen Hochleistungsserver mit Grafikprozessoren, und die fertige Version kann vollständig lokal auf MacBook Pro-Laptops mit Apple M4 Max-Chips und höher betrieben werden. Die Audioverarbeitungsgeschwindigkeit übertrifft die Echtzeit, wodurch Verzögerungen im Dialog vollständig ausgeschlossen werden.

### Veröffentlichungsperspektiven und Verfügbarkeit

Derzeit wurde das Sprachmodell Dessa noch nicht für die breite Öffentlichkeit freigegeben. Die Entwickler gewähren einen eingeschränkten Testzugang ausschließlich an Fachleute für künstliche Intelligenzsicherheit zur Durchführung unabhängiger Prüfungen. Alle anderen interessierten Nutzer können sich auf den offiziellen Ressourcen des Unternehmens in eine Warteliste eintragen, während das Team die Vorbereitungen für den kommerziellen Start abschließt.

## Faktencheck und Quellen

- [Ни одного текста: основатель Twitter научил ИИ понимать человеческий язык на слух](https://www.rbc.ua/ukr/news/zhodnogo-tekstu-zasnovnik-twitter-navchiv-1793010930.html) - Der Artikel basiert vollständig auf dem RBC-Ukraine-Bericht über die Ankündigung des Dessa-Sprachmodells durch Jack Dorsey auf X.

## Häufige Fragen

### Was ist der Hauptunterschied zwischen dem Dessa-Modell und klassischen Sprachassistenten?

Dessa wurde ausschließlich mit Audioaufnahmen menschlicher Sprache trainiert und arbeitet auf Basis direkter Audiosignale, wodurch die Sprachtext-Umwandlung entfällt.

### Welche technischen Anforderungen sind für den Betrieb des Modells erforderlich?

Das fertige Modell kann vollständig lokal auf MacBook Pro-Laptops mit einem Apple M4 Max-Prozessor oder leistungsstärkeren Chips ausgeführt werden.

### Ist die Neuentwicklung für die breite Öffentlichkeit zugänglich?

Der Zugriff ist derzeit auf KI-Sicherheitsspezialisten beschränkt, während andere Interessierte sich in eine Warteliste eintragen können.