블록, 대화 음성만 학습한 데사 연구 소개하고 안전 연구자 참여 모집

기존 음성 서비스에는 소리를 글로 바꾸고, 언어 모델이 답을 만든 뒤 다시 음성으로 읽는 구조가 널리 쓰였다. 키우타이(Kyutai)의 모시(Moshi) 연구 논문은 이런 여러 단계의 처리에서 지연이 쌓이고, 텍스트로 옮기기 어려운 정보가 대화 중 사라질 수 있다고 설명했다. 발화 순서를 명확히 끊는 구조에서는 말이 겹치거나 짧은 맞장구가 들어오는 대화도 다루기 어렵다. 모시 연구 논문

말하기와 듣기를 동시에 처리하는 전이중 음성 대화 자체가 이번에 처음 등장한 개념은 아니다. 2024년 발표된 모시는 사용자와 시스템의 음성을 별도 흐름으로 모델링해, 정해진 차례에만 말하는 제약을 줄이려 했다. 텍스트 언어 모델을 바탕으로 음성을 생성하고, 음성에 맞춰 텍스트 토큰도 예측하는 구조였다. 두 연구의 차이를 이해하려면 대화 방식과 학습 재료를 나눠 봐야 한다.

데사의 차별점은 학습 재료다. 블록은 소리에서 언어와 대화 방식을 함께 익혔다고 설명한다. 이는 자연스러운 말투와 사실에 맞는 답변을 구별해 평가해야 하는 접근이다. 데사 연구 설명

공개 페이지는 웃음과 영화 제목 떠올리기 등의 대화 사례를 소개한다. 회사는 실제 녹음에 자막을 나중에 붙였다고 설명한다. 선정된 시연은 가능성을 보여주지만 전체 성능을 나타내는 시험 결과는 아니다.

블록은 맥북 프로(MacBook Pro) M4 Max 이상에서 로컬로 동작한다고 설명한다. 다만 일반 사용자용 배포 일정이나 가격은 제시하지 않았다. 기기에서 실행할 수 있다는 설명과 누구나 설치할 수 있다는 발표는 구별해야 한다.

연구 조직의 배경에는 앞선 인수가 있다. 스퀘어(Square)는 2020년 2월 7일 토론토의 머신러닝 기업 데사를 인수했다고 발표했다. 당시에는 고객 응대와 위험 관리 등 제품의 머신러닝 역량을 강화하는 것이 목적이라고 설명했다. 인수 발표는 데사의 딥페이크 탐지 기술을 주요 자산으로 꼽았고, 탐지 기술을 오픈소스로 공개했다는 점도 강조했다. 현재 연구팀도 당시 데사 출신이 설립한 블록 내부 연구조직이라고 소개한다. 과거 인수 발표는 음성 생성의 오용을 탐지하는 기술이 이 조직의 배경에 있었음을 보여준다. 당시 인수 발표

모시 논문이 텍스트 기반 모델의 지식과 추론 능력을 음성 처리에 결합하려 했다면, 데사는 텍스트 없이 학습하는 경로를 시험한다. 이 비교에서 중요한 질문은 어느 쪽이 더 사람처럼 들리는지만이 아니다. 대화의 흐름을 자연스럽게 만드는 능력과 사실에 맞는 답을 내는 능력을 어떤 자료로 각각 평가할 수 있는지가 남는다. 현재 공개 자료는 동일 조건의 두 모델 성능 비교를 제공하지 않는다.

공식 소개 게시물은 10월 23일 수정된 것으로 표시되며 연구 페이지로 연결된다. 이 날짜를 모델의 최초 공개일로 확정할 수는 없다. 현재 발표가 보여주는 것은 음성 학습의 새로운 경로와 제한된 연구 접근 기회다. 일반 서비스의 품질을 비교하려면 더 넓은 평가와 배포 조건이 공개돼야 한다. 블록의 공식 발표