A Block, de Jack Dorsey, treinou seu novo modelo de voz, Dessa, apenas com fala humana, sem usar textos nem modelos pré-treinados.
A Block afirma que o modelo final pode ser executado localmente em um MacBook Pro M4 Max ou superior. O laboratório o treinou usando um único rack de servidores Nvidia.
A Block afirma que Dessa é a primeira IA de que tem conhecimento capaz de manter uma conversa ao vivo com aparência realista e treinada apenas com fala humana. O pequeno laboratório de pesquisa por trás dela se reporta diretamente a Dorsey.
O modelo full-duplex conversa com o GPT-Live-1 da OpenAI em demonstrações sem direcionamento
Muitos assistentes de voz transformam o que as pessoas dizem em texto, processam esse texto com um modelo de linguagem e depois o convertem de volta em fala. Como explica Block, esse processo elimina a emoção, o sarcasmo, as risadas e até uma voz triste que falha.
Dessa é um modelo que transforma fala em fala, sem texto no meio. Como duas pessoas, ele fala e ouve ao mesmo tempo.
Ele sabe quando interromper e quando entrar na conversa com um “sim!” ou “entendi!”, disse Block. Ele funciona mais rápido do que em tempo real.
Block diz que ninguém orienta o modelo de IA nas gravações. Ele escolhe o que dizer, quando dizer e como dizer.
Nas gravações, Dessa ri no meio de uma frase, solta um suspiro de surpresa e fala mais alto quando pedem que aumente a voz. Em uma das gravações, Dessa conversou com o GPT-Live-1 da OpenAI.
Block diz que a desenvolvedora do GPT-Live-1 não avaliou nem endossou Dessa.
Criamos o primeiro modelo de IA com o qual você pode ter uma conversa realista e que foi treinado inteiramente com fala!
Dessa é um modelo de fala para fala full-duplex que pode ser executado em GPUs de consumo.
Este é um momento GPT-3 para a fala. pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) 23 de outubro de 2026
Um GB200 NVL72 ensinou linguagem ao modelo com centenas de vezes menos palavras
Dessa foi treinado em um único Nvidia GB200 NVL72, um sistema em escala de rack. O laboratório afirma que o modelo aprendeu linguagem com “centenas de vezes menos palavras” do que um LLM baseado em texto precisa.
A fala tornou a tarefa mais difícil, disse Block. Uma palavra falada ocupa milhares de vezes mais bytes do que a mesma palavra impressa.
O laboratório foi fundado por ex-integrantes da startup de deep learning de Toronto, Dessa. A equipe desenvolve modelos generativos de fala há mais de oito anos.
Ragavan Thurairatnam lidera o projeto e chamou o lançamento de “um momento GPT-3 para a fala” no X.
Dessa não está disponível ao público. Block está organizando uma lista de espera e concedendo acesso antecipado a um pequeno grupo de pesquisadores de segurança em IA, para identificar riscos que a equipe não previu.
Três motivos levaram Block a criar o modelo. Dois deles são a curiosidade e uma melhor compreensão entre humanos e IA.
O terceiro motivo? Segurança.
Block imagina alguém sentindo muita dor, mas uma IA de voz não percebe e continua falando.
A Cryptopolitan informou que, em fevereiro, a Block (NYSE: XYZ) demitiu 40% de sua equipe.
A Block Inc. lançou o Buzz em julho. É um aplicativo de bate-papo para o ambiente de trabalho, onde pessoas e agentes de IA podem compartilhar canais.
As mentes mais brilhantes do mundo cripto já leem nossa newsletter. Quer se juntar a elas? Inscreva-se.