Block apresenta Dessa, um modelo de fala de comunicação bidirecional construído exclusivamente com dados de áudio

Em 23 de outubro de 2026, o laboratório de pesquisa de IA da Block apresentou Dessa, um modelo de fala de comunicação bidirecional treinado exclusivamente com conversas humanas. Ao contrário da maioria dos assistentes de voz que dependem de sistemas baseados em texto, Dessa processa o áudio diretamente, convertendo a fala em fala sem usar texto ou modelos pré-treinados. O modelo ouve e fala simultaneamente, aprendendo com conversas reais para determinar quando intervir e quando responder com pistas como 'sim' ou 'entendi'. Dessa evita o tradicional processo de três etapas de reconhecimento de fala, modelagem de texto e síntese de fala, que Block afirma que perde nuances emocionais como riso e sarcasmo. O laboratório não divulgou sua arquitetura, mas destaca os desafios de trabalhar com fala, que requer significativamente mais dados do que o texto. Os clipes de demonstração da Block mostram Dessa rindo e ajustando o volume, interagindo com o GPT-Live-1 da OpenAI sem intervenção humana. A página do projeto convida a comparações com outros modelos, como o Moshi, que usa uma abordagem baseada em texto com 7 milhões de horas de áudio de pré-treinamento e 1.016 GPUs H100. A Block incentiva os leitores a explorar a página do projeto, compará-la com modelos relacionados e interagir nas plataformas de mídia social.