Новая голосовая модель Block звучит пугающе по-человечески

Главный смысл: Компания Block Джека Дорси показала голосовую модель Dessa из собственной исследовательской лаборатории: она работает локально и звучит как живой человек — смеётся, плачет, делает паузы. Главная заявка компании — эмоции встроены в саму модель, а не управляются тегами, как у конкурентов.

• Полный дуплекс и отказ от текстовой прослойки. Dessa одновременно говорит и слушает — как GPT-Live от OpenAI, выпущенная в июле. Block заявляет, что знания модель берёт из собственных разговорных данных, а не из подключённой языковой модели: по мнению компании, конвейер «голос → текст → речь» выбрасывает информацию, которую текст передать не может.

• Обучение и железо. По словам Block, модель обучена на человеческой речи с использованием одной стойки GPU NVIDIA. Запускается она локально на потребительском компьютере уровня MacBook M4 Max и выше — без облака и без платы за обработку речи на чужой стороне.

• Демонстрации с эмоциями. Исследователи Block выложили записи бесед: в одной бот говорил, что устал с работы, — и звучал устало; в другой почти срывался на слёзы; в третьей участник команды играл с ассистентом в игру.

• Доступ только для исследователей. Публичного доступа к Dessa нет. Block пригласила специалистов по безопасности протестировать модель — вероятно, на сценарии, в которых голосовой агент может обманывать собеседника.

Что дальше: Не подтверждено, как Dessa справляется с фактами: если знания действительно ограничены разговорными данными, непонятно, отвечает ли модель достоверно на вопросы о мире. Не названы сроки публичного запуска. Коммерческий смысл просматривается: Square уже применяет голосовой ИИ для приёма заказов, а локальная модель позволила бы удешевить такие сервисы. Следить стоит за отчётами safety-исследователей и техническим отчётом Block — пока всё известное о Dessa исходит от самой компании.