O laboratório de pesquisa de IA da Block lançou Dessa, um modelo de fala full‑duplex treinado exclusivamente com conversas humanas. A Block anunciou isso em 23 de outubro de 2026 como uma pré‑visualização de pesquisa. Dessa é um modelo de fala‑para‑fala da Block que ouve e fala ao mesmo tempo. A Block afirma que não usou texto nem modelos pré‑treinados. Esse é um design diferente das pilhas “texto‑primeiro” que sustentam a maioria dos assistentes de voz hoje.
TL;DR
- Executa em: um MacBook Pro M4 Max ou superior, localmente, mais rápido que o tempo real.
- Desempenho: apenas demonstração até o momento. Gravações ao vivo mostram respostas de “backchannel”, risadas no meio de frases e interrupções naturais.
- Melhor: treinado em 1 rack NVIDIA GB200 NVL72 (72 GPUs). A Moshi usou 1.016 GPUs H100.
- Pior: nenhum benchmark publicado. Sem pesos, paper, API ou preço.
O que é Dessa da Block?
Dessa é um verdadeiro modelo de fala‑para‑fala: áudio de entrada, áudio de saída. Segundo a página do projeto da Block, tudo o que sabe vem da fala humana. É full‑duplex, portanto ouve enquanto fala. A Block diz que aprendeu, a partir de conversas reais, quando intervir. Também aprendeu a fazer “backchannel” com pistas curtas como “yeah” ou “entendi”. Os clipes de demonstração da Block mostram Dessa rindo no meio de uma frase e aumentando o volume quando solicitada a falar mais alto. Um clipe mostra a interação com o GPT‑Live‑1 da OpenAI. A Block afirma que nenhum clipe foi editado.
Como funciona o treinamento apenas com fala?
A maioria dos sistemas de voz combina 3 partes: reconhecimento de fala, um modelo de texto e síntese de fala. A equipe da Block argumenta que essa cadeia elimina emoções, sarcasmo, risos e suspiros. Dessa capta e produz esses sinais diretamente. A Block ainda não publicou a arquitetura. O que foi divulgado:
- Dados de treinamento: somente áudio de conversas humanas. Sem texto e sem modelos pré‑treinados.
- Compute: 1 NVIDIA GB200 NVL72, que reúne 72 GPUs Blackwell e 36 CPUs Grace.
- Eficiência de dados: a Block afirma que Dessa aprendeu linguagem com centenas de vezes menos palavras do que LLMs precisam.
- Inferência: mais rápido que o tempo real, em um MacBook Pro M4 Max ou superior.
O laboratório também...
Fonte: MarkTechPost
Publicado em 2026-10-29