N環球 
Block revela Dessa, um modelo de fala full-duplex treinado apenas em conversação
O laboratório interno de pesquisa de IA da Block lançou o Dessa, um modelo full-duplex de fala para fala que, segundo ele, foi treinado do zero em nada além de áudio real de conversas humanas – sem texto, sem modelos pré-treinados. O acesso antecipado é limitado a um pequeno grupo de pesquisadores de segurança de IA.
Por que isso importa
A maior parte da IA de voz hoje funciona transformando primeiro sua fala em texto - descartando o tom, a emoção e o tempo no processo e respondendo lenta e rigidamente. Dessa, de um pequeno laboratório de pesquisa de IA dentro do Block, segue um caminho diferente: um verdadeiro modelo de fala para fala full-duplex, entrada e saída de áudio, que ouve e fala ao mesmo tempo, como uma pessoa. Ele pode interromper e fazer backchannel (“sim!”, “entendi!”), rodar mais rápido que o tempo real e pode rodar localmente em um MacBook Pro M4 Max ou superior.
A parte impressionante é como ele foi treinado: Block diz que Dessa foi treinado do zero com nada além de áudio de conversação humana real - sem texto, sem modelos pré-treinados - e o descreve como possivelmente a primeira IA do mundo que aprendeu a manter uma conversa realista ao vivo apenas ouvindo. Ele ouve e produz nativamente emoção, sarcasmo, risos, suspiros e uma voz embargada de tristeza – exatamente as informações que os canais de voz convencionais descartam.
Relatório completo
Dessa foi construída pelo laboratório de pesquisa de IA da Block, fundado por ex-membros da Dessa, a startup de aprendizagem profunda de Toronto, e reportando-se diretamente ao cofundador da Block, Jack Dorsey. O líder do projeto é Ragavan Thurairatnam. A página oficial apresenta gravações ao vivo de pessoas conversando com Dessa: ela ri no momento em que algo é engraçado, termina uma frase quando o locutor deixa de lado o título de um filme e fala mais alto quando questionado – com, Block enfatiza, sem orientação humana.
Block diz que o modelo foi treinado em um único NVIDIA GB200 NVL72, aprendendo linguagem com centenas de vezes menos palavras do que modelos de linguagem grandes (ele admite que a comparação não é totalmente igual, já que os LLMs também devem aprender coisas como linguagens de programação). O laboratório cita três motivações: curiosidade, melhor compreensão entre humanos e IA e segurança – argumentando que a IA de voz de hoje é quase surda à emoção em nossas vozes, o que pode ser perigoso em ambientes como a saúde, e que Dessa é um passo para consertar isso.
Dessa é atualmente uma prévia da pesquisa: Block está dando a um pequeno grupo de pesquisadores de segurança de IA acesso antecipado a riscos superficiais que a equipe não previu. Nenhum preço, data de lançamento público ou peso em aberto foram anunciados. Observe que a empresa não divulgou contagens de parâmetros, tamanho do conjunto de dados ou pontuações de benchmark, portanto, as afirmações técnicas acima são de responsabilidade do próprio Block e aguardam verificação independente.
💬 Comments
No comments yet. Be the first!