Block apresenta Dessa, um modelo de fala full-duplex treinado com conversas

O laboratório interno de pesquisa em IA da Block anunciou Dessa em 23 de outubro de 2026: um modelo de fala para fala full-duplex que, segundo a empresa, foi treinado do zero exclusivamente com conversas humanas. A empresa divulgou gravações de demonstrações ao vivo, abriu uma lista de espera pública e ofereceu acesso antecipado a um pequeno grupo de pesquisadores de segurança em IA.

O anúncio incluiu uma página de Dessa da Block e uma publicação no X de Ragavan Thurairatnam, líder do laboratório. Thurairatnam descreveu Dessa como o primeiro modelo de IA capaz de manter uma conversa realista após ser treinado inteiramente com fala, afirmou que ele pode funcionar em GPUs para consumidores e chamou seu lançamento de «um momento GPT3 para a fala». Na página, a Block afirma que, até onde a empresa sabe, Dessa é a primeira IA do mundo capaz de manter uma conversa ao vivo realista após ser treinada apenas com fala humana.

A Block descreve Dessa como um verdadeiro modelo de fala para fala: recebe áudio e produz áudio. Ele é full-duplex, ou seja, escuta e fala ao mesmo tempo, e, segundo a empresa, aprendeu com conversas reais quando interromper e quando dar sinais de que está acompanhando. A Block afirma que o modelo reconhece e expressa naturalmente emoções, sarcasmo e riso, além de suspiros de frustração e vozes embargadas pela tristeza; que suas inferências são mais rápidas do que em tempo real, permitindo responder sem pausas constrangedoras; e que Dessa funciona localmente em um MacBook Pro M4 Max ou superior. A empresa o considera o modelo de fala full-duplex mais autêntico já criado e diz que conversar com ele é como conversar com uma pessoa.

Uma abordagem de treinamento baseada apenas em fala

Segundo a página, Dessa foi treinado do zero apenas com sons, sem texto nem modelos pré-treinados, e aprendeu a conversar em tempo real exclusivamente ouvindo. A Block argumenta que é fácil subestimar a dificuldade dessa tarefa, já que as pessoas aprendem a falar com tanta facilidade. Os dados de fala nunca se repetem: até mesmo dizer a mesma frase duas vezes exatamente da mesma maneira gera dados diferentes, enquanto o texto digitado é idêntico, independentemente de quem o digite. Em termos de dados, afirma a página, uma palavra falada ocupa milhares de vezes mais bytes do que sua forma escrita, e a posição da ênfase altera o significado; uma frase de exemplo na página adquire um significado diferente cada vez que a ênfase recai sobre uma palavra diferente.

A Block afirma que Dessa aprendeu a linguagem com centenas de vezes menos palavras do que os grandes modelos de linguagem e que a equipe descobriu como treiná-lo em um único sistema NVIDIA GB200 NVL72. A página enumera as questões de pesquisa ainda em aberto que essa abordagem suscita: com que eficiência esses modelos aprendem linguagem e fatos em comparação com modelos baseados em texto, com que eficiência podem aprender novos idiomas e que tipos de aprendizagem em contexto são capazes de realizar.

Demonstrações gravadas

A Block publicou clipes que descreve como gravações ao vivo de pessoas conversando com Dessa. A empresa afirma que ninguém dirige o modelo durante essas conversas e que o próprio Dessa escolhe o que dizer, quando dizer e como dizer, incluindo a própria voz e personalidade; as legendas foram adicionadas posteriormente.

Entre os momentos descritos estão Dessa rindo no meio de uma frase quando algo é engraçado, em vez de esperar a pessoa terminar de falar; elevando a voz quando lhe pedem para falar mais alto; e completando a frase de alguém que não consegue se lembrar do título de um filme. Em outro clipe, Dessa solta um suspiro quase inaudível ao receber a notícia inesperada de um aniversário de relacionamento e responde, segundo a descrição da página, com gratidão emocionada; uma gravação mais longa com conselhos sobre a vida é descrita como genuinamente empática. Em uma das gravações, Dessa conversa com GPT-Live-1, um modelo de IA de terceiros; a Block observa que as duas vozes da gravação são geradas por IA e que o desenvolvedor do GPT-Live-1 não tem vínculo com a Block e não analisou nem endossou Dessa.

Segurança, acesso e o laboratório

A equipe apresenta três motivos para desenvolver Dessa: curiosidade, uma melhor compreensão entre humanos e IA e segurança. A página observa que os bebês aprendem a falar sem nunca ver uma palavra escrita e afirma que a equipe queria descobrir se um modelo poderia fazer o mesmo. Sobre segurança, a Block argumenta que a IA continua ganhando poder e autonomia, mas ainda não consegue perceber a emoção na voz de quem fala. A empresa dá como exemplo uma pessoa sentindo dores intensas enquanto uma IA de voz não percebe o que está acontecendo e continua falando. A Block descreve Dessa como um passo para resolver esse problema e critica as IAs de voz atuais por converterem a fala em texto, perdendo as informações transmitidas apenas pelo som.

A Block está oferecendo acesso antecipado a um pequeno grupo de pesquisadores de segurança em IA para identificar riscos que a equipe não previu. O formulário de solicitação pede o nome e um endereço de e-mail institucional de uma universidade, empresa ou laboratório, além de um link opcional para o Google Scholar ou um blog. A lista de espera pública está aberta, mais gravações serão compartilhadas na conta de Thurairatnam no X, e a página informa que os links para o lançamento serão divulgados em breve.

Dessa surgiu do que a Block descreve como um laboratório de pesquisa em IA muito pequeno dentro da empresa, fundado por ex-integrantes da Dessa, startup de aprendizado profundo de Toronto. A equipe afirma que desenvolve modelos de aprendizado profundo desde 2012 e modelos generativos de fala há mais de oito anos, e responde diretamente a Jack Dorsey, cofundador da Block, presidente do conselho e chefe da Block. A biografia de Thurairatnam no X informa que ele fundou e vendeu a Dessa anteriormente e deu aulas na University of Toronto. Além dele, a página lista os pesquisadores Louay Hazami, Hashiam Kadhim, Qi (Alex) Liu, Rayhane Mama, Aydin Polat e Marc Tyndel; os estagiários Cara Ji, Jibran Iqbal Shah e Dvir Zagury-Grynbaum; e os ex-estagiários Aryan Sharma e Olivia Yan.