O Jack Dorsey's Block lançou um novo modelo de voz que sai do laboratório de pesquisa da empresa, funciona localmente e soa de forma estranhamente humana com suas expressões como risadas, pausas e choros. A empresa disse que o modelo, chamado Dessa, é treinado totalmente em fala humana e em uma única GPU NVIDIA.
Dessa é um modelo full-duplex, o que significa que pode falar e ouvir ao mesmo tempo, assim como o modelo GPT-Live lançado pela OpenAI no início deste ano. Normalmente, modelos de fala são combinados com um grande modelo de linguagem para recuperação de conhecimento. O Block disse que o conhecimento da Dessa vem dos dados conversacionais que ela possui.
Acreditamos que a voz é a maneira mais natural de interagir com inteligência, por isso criamos a Dessa, o modelo de fala full-duplex mais autêntico já construído. Conversar com ela parece conversar com uma pessoa... cheia de emoção, nuances, pausas e um ritmo natural. https://t.co/r0qFLdvd6c
— jack (@jack) 23 de outubro de 2026
O Block disse que os modelos atuais podem soar artificiais e irritantes porque têm texto no pipeline que impulsiona a geração de fala. Muitos modelos como o ElevenLabs v4 ou o Fish Audio Drama 3 usam tags de voz para impulsionar a emoção na geração de fala. A empresa do Dorsey afirma que a emoção está incorporada em seu modelo. Não está claro se essa emoção é guiada por algum tipo de tags.
"Interagir com a IA de voz atual pode simplesmente ser péssima." Ela transforma sua voz em texto e descarta uma quantidade incrível de informações que o texto sozinho não consegue transmitir. As IAs mais poderosas do mundo não conseguem ouvir como você se sente. Acreditamos que isso é ridículo, leva a uma experiência pior e pode ser potencialmente perigoso", disse a empresa em um post no blog.
Os pesquisadores da empresa publicaram vários exemplos de conversas com a Dessa onde o agente tinha vozes diferentes, entonações e emoções. Por exemplo, na conversa, o robô disse que estava cansado do trabalho e, naquele ponto, soou cansado.
Criamos o primeiro modelo de IA com o qual você pode ter uma conversa realista que foi treinado inteiramente em fala!
A Dessa é um modelo completo de fala para fala que você pode executar em GPUs de consumo.
Este é um momento GPT3 para a fala. pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) 23 de outubro de 2026
No exemplo abaixo, o robô estava falando sobre a pessoa que o deixava confortável enquanto soava emocional e quase desmoronando.
Dessa=model de fala full-duplex vs Human=eu, https://t.co/1eI6QFHo1w pic.twitter.com/zlZfxH2BA5
— Aydin Polat (@AydinPolatDessa) 23 de outubro de 2026
Outro mostra um membro da equipe do Block jogando um jogo com o assistente de voz.
Pelo amor do jogo.
Assista Cara jogar um jogo de adivinhação com Dessa. O modelo acerta o primeiro imediatamente e o segundo também não demora. https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA
— Block (@blocks) 23 de outubro de 2026
A empresa disse que o modelo pode rodar localmente em um computador de nível consumidor, como um MacBook M4 Max ou melhor. No entanto, não há acesso público ao Dessa no momento, e o Block lançou um chamado para pesquisadores de segurança testarem o modelo. Isso provavelmente visa testar casos em que um agente de voz poderia enganar pessoas do outro lado.
O Block atua no setor de finanças e vende suas soluções para pequenas empresas. A Square já usa IA de voz para lidar com pedidos. Mas com seu próprio modelo de voz que pode ser executado no dispositivo, ele pode impulsionar muito mais experiências empresariais e de consumo a um custo menor.
