Block desenvolve IA de voz Dessa apenas com áudio humano em um único rack Nvidia

A Block de Jack Dorsey treinou seu novo modelo de voz, Dessa, apenas com fala humana, não em nenhum texto ou modelos pré-treinados.

A Block afirma que o modelo finalizado pode ser executado localmente em um MacBook Pro M4 Max ou superior. O laboratório treinou-o em um único rack de servidores Nvidia.

A Block afirma que Dessa é a primeira IA de que ela tem conhecimento capaz de manter uma conversa ao vivo e natural, tendo sido treinada exclusivamente com fala humana. A pequena equipe de pesquisa por trás do projeto reporta diretamente a Dorsey.

Modelo full-duplex conversa com o GPT-Live-1 da OpenAI em demonstrações sem supervisão

Muitos assistentes de voz pegam o que as pessoas dizem, convertem em texto, processam por um modelo de linguagem e depois convertem o texto de volta em fala. Como Block descreve, o pipeline descarta emoção, sarcasmo, risadas e uma voz triste que falha.

Dessa é um modelo que converte fala em fala, sem intermediários textuais. Como duas pessoas, ele fala e ouve simultaneamente.

Ele sabe quando interromper e quando intervir com um 'sim!' ou 'entendi!', segundo a Block. Ele roda mais rápido que o tempo real.

A Block afirma que ninguém orienta o modelo de IA nas gravações. Ele escolhe o que dizer, quando e como.

Nas gravações, Dessa ri no meio de uma frase, fica surpreso com uma revelação e aumenta o volume quando solicitado a falar mais alto. Em uma das gravações, Dessa conversou com o GPT-Live-1 da OpenAI.

A Block afirma que o desenvolvedor do GPT-Live-1 não avaliou nem endossou o Dessa.

Criamos o primeiro modelo de IA com o qual você pode ter uma conversa realista, treinado inteiramente sobre áudio!

Dessa é um modelo de fala para fala full-duplex que você pode executar em GPUs de consumo.

Este é o momento GPT3 para a fala. pic.twitter.com/XVD8sSyJn8

— Ragavan Thurairatnam (@RagavanThurair) 23 de outubro de 2026

A GB200 NVL72 ensinou o modelo a linguagem com centenas de vezes menos palavras

A Dessa foi treinada 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.

O discurso tornou o trabalho mais difícil, disse Block. Uma palavra falada tem milhares de vezes mais bytes do que a mesma palavra impressa.

O laboratório foi fundado por ex-membros da startup de aprendizado profundo de Toronto Dessa. A equipe vem desenvolvendo modelos de fala generativa há mais de oito anos.

Ragavan Thurairatnam lidera o projeto, e ele chamou o lançamento de "um momento GPT3 para a fala" no X.

A Dessa não está disponível publicamente. Block está administrando uma lista de espera e concedendo acesso antecipado a um pequeno grupo de pesquisadores de segurança de IA para identificar riscos que a equipe não previu.

Três coisas levaram Block a construir o modelo. Duas são curiosidade e melhor compreensão entre humanos e IA.

A terceira razão? Segurança.

Block imagina uma pessoa que está sofrendo muito, mas uma IA de voz não percebe e continua falando.

Cryptopolitan relatou que, em fevereiro, a Block (NYSE: XYZ) demitiu 40% de seus funcionários.

A Block Inc. lançou o Buzz em julho. É um aplicativo de chat para o ambiente de trabalho onde humanos e agentes de IA podem compartilhar canais.

Não apenas leia notícias sobre criptomoedas. Entenda-as. Inscreva-se em nossa newsletter. É grátis.