Dessa da Block roda no MacBook, ouve enquanto fala e ainda não tem acesso público
A Block lançou Dessa, modelo de voz full-duplex treinado só em fala humana, capaz de rodar localmente em uma GPU NVIDIA ou MacBook M4 Max.
Ilustração: 떡이 민 (Pexels)
A Block, empresa de Jack Dorsey, apresentou nesta sexta-feira (24) o Dessa, um modelo de voz nascido no laboratório de pesquisa da companhia que roda localmente e soa estranhamente humano — com risadas, pausas e até choro. Segundo a TechCrunch, o sistema foi treinado integralmente em fala humana e cabe em uma única unidade de processamento gráfico (GPU) da NVIDIA.
Diferente de assistentes que transformam áudio em texto e depois em resposta falada, o Dessa opera em modo full-duplex: fala e escuta ao mesmo tempo, no mesmo espírito do GPT-Live da OpenAI lançado no início do ano. Por ora, não há acesso público; a empresa convidou pesquisadores de segurança a testar o modelo.
O que aconteceu
A Block afirma que o Dessa é um modelo fala-para-fala full-duplex, treinado só em conversas orais. Em modelos tradicionais de fala, o conhecimento costuma vir de um grande modelo de linguagem (LLM) acoplado; no Dessa, a companhia diz que o conhecimento nasce dos próprios dados conversacionais usados no treino.
Dorsey descreveu a voz como a forma mais natural de interagir com inteligência e apresentou o Dessa como o modelo full-duplex de fala “mais autêntico” já feito, com emoção, nuance, pausas e cadência próxima à de uma pessoa. Ragavan Thurairatnam, ligado à iniciativa, chegou a chamar o lançamento de um “momento GPT-3” para a fala, destacando que o sistema roda em GPUs de consumidor.
A crítica da Block aos rivais é direta. Modelos atuais soariam artificiais porque o texto permanece no meio do caminho da geração de voz. Ferramentas como ElevenLabs v4 e Fish Audio Drama 3 usam tags de voz para induzir emoção; a Block diz que, no Dessa, a emoção está embutida no próprio modelo — embora a TechCrunch observe que não está claro se algum tipo de tag ainda influencia esse comportamento.
Em post de blog citado pela reportagem, a empresa afirma que converter voz em texto “descarta uma quantidade incrível de informação” que o texto sozinho não carrega, e que as inteligências artificiais (IA) mais poderosas “não conseguem ouvir como você se sente” — o que, na visão da companhia, piora a experiência e pode ser perigoso.
Pesquisadores da Block divulgaram exemplos em que o agente muda voz, ritmo e humor. Em um trecho, o bot diz estar cansado do trabalho e soa cansado; em outro, quase se emociona ao falar de quem o deixa confortável. Há ainda demonstração de um jogo de adivinhação com um membro da equipe. O modelo, segundo a TechCrunch, roda localmente em computador de consumidor, como um MacBook M4 Max ou superior.
A Block atua em finanças e soluções para pequenos negócios; o Square já usa IA de voz para pedidos. Com um modelo próprio on-device, a empresa poderia ampliar experiências para empresas e consumidores a custo menor — tese da própria cobertura, ainda sem produto aberto ao público.
O que isso pode mudar
Se o Dessa entregar de fato conversa realista sem pipeline de texto, o padrão de assistentes de voz pode se deslocar do “ouvir–transcrever–responder” para o diálogo contínuo, com tom e hesitação preservados. Isso poderia reduzir a sensação robótica que afasta usuários de chatbots falados — e, no limite, aproximar a interação de uma ligação humana.
O convite a pesquisadores de segurança sugere que a própria Block enxerga risco de o agente enganar interlocutores do outro lado da linha. Em cenário de uso comercial, um modelo local barato poderia baratear atendimento e pedidos por voz no ecossistema Square; ao mesmo tempo, a ausência de acesso público indica cautela antes de qualquer escala.
Resta saber se a emoção “nativa” resiste a testes independentes e se o conhecimento limitado aos dados conversacionais basta fora de demos controladas. Por enquanto, o que a TechCrunch documenta é um protótipo full-duplex, treinado só em fala, capaz de rodar em hardware de ponta de consumidor — e ainda fechado ao grande público.
Fontes: TechCrunch
Leia mais em: www.mundodosnegocio.com.br