Компания Block Джека Дорси обучила свою новую голосовую модель Dessa только на человеческой речи — без текстовых данных и предварительно обученных моделей.
В Block утверждают, что готовую модель можно запускать локально на MacBook Pro с чипом M4 Max или более мощном устройстве. Лаборатория обучила её на одной стойке серверов Nvidia.
В Block утверждают, что Dessa — первая известная им ИИ-модель, способная поддерживать реалистичный разговор в реальном времени и обученная только на человеческой речи. Небольшая исследовательская лаборатория, создавшая её, подчиняется напрямую Дорси.
Полнодуплексная модель беседует с GPT-Live-1 от OpenAI в демонстрациях без управляющих подсказок
Многие голосовые помощники преобразуют речь человека в текст, обрабатывают его языковой моделью, а затем снова превращают текст в речь. Как говорит Блок, такой процесс лишает речь эмоций, сарказма, смеха и даже дрожащего от грусти голоса.
Dessa — модель, которая преобразует речь в речь, без промежуточного текста. Как и два человека, она одновременно говорит и слушает.
Она понимает, когда нужно перебить, а когда вставить «ага!» или «понятно!», — сказал Блок. Она работает быстрее реального времени.
По словам Блока, во время записей никто не направляет ИИ-модель. Она сама выбирает, что, когда и как сказать.
На записях Dessa смеётся на полуслове, ахает от неожиданности и говорит громче, когда её просят повысить голос. В одной из записей Dessa разговаривала с GPT-Live-1 от OpenAI.
Блок говорит, что разработчик GPT-Live-1 не проверял и не одобрял Dessa.
Мы создали первую ИИ-модель, с которой можно вести реалистичный разговор и которая обучена исключительно на речи!
Dessa — полнодуплексная речевая модель, которую можно запускать на потребительских GPU.
Для речи это момент уровня GPT-3. pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) 23 октября 2026 года
GB200 NVL72 обучила модель языку, используя в сотни раз меньше слов
Dessa обучалась на одной системе Nvidia GB200 NVL72 масштаба стойки. По словам лаборатории, модель усвоила язык, используя «в сотни раз меньше слов», чем требуется текстовой большой языковой модели.
Речь усложнила задачу, сказал Блок. В устной форме слово занимает в тысячи раз больше байтов, чем то же слово в печатном виде.
Лабораторию основали бывшие сотрудники торонтского стартапа в области глубокого обучения Dessa. Команда разрабатывает генеративные речевые модели уже более восьми лет.
Проект возглавляет Рагаван Турайратнам. В X он назвал этот релиз «моментом уровня GPT-3 для речи».
Dessa пока недоступна широкой публике. Блок формирует список ожидания и предоставляет ранний доступ небольшой группе исследователей безопасности ИИ, чтобы выявить риски, которые команда могла не предусмотреть.
Блок решил создать модель по трём причинам. Две из них — любопытство и стремление к лучшему взаимопониманию между людьми и ИИ.
Третья причина? Безопасность.
Блок представляет себе человека, которому очень больно, но голосовой ИИ этого не замечает и продолжает говорить.
По сообщению Cryptopolitan, в феврале Block (NYSE: XYZ) уволила 40% сотрудников.
В июле Block Inc. выпустила Buzz. Это приложение для рабочих чатов, где люди и ИИ-агенты могут общаться в общих каналах.
Самые умные криптоэксперты уже читают нашу рассылку. Хотите присоединиться? Вступайте в их число.