Block, de Jack Dorsey, lança IA de voz treinada só com conversas humanas
A Block apresentou o Dessa, modelo de voz treinado do zero apenas com áudio de conversas, sem texto ou dados da internet. A empresa divulgou trocas reais com o modelo, algumas estranhas.
Por Marina Sato · Repórter de IA
A Block, empresa de pagamentos fundada por Jack Dorsey, cofundador do Twitter, lançou um modelo de IA de voz chamado Dessa. Ele foi treinado do zero só com áudio de conversas humanas, sem texto e sem modelos pré-treinados.
Como funciona
Dessa é speech-to-speech: ouve áudio e responde em áudio, sem passar por transcrição em texto. É full-duplex, ou seja, escuta e fala ao mesmo tempo, como uma ligação de telefone. A Block diz que o modelo reconhece tom emocional, sarcasmo, risada e até voz embargada, e responde sem a pausa robótica comum em assistentes de voz.
Foto: reprodução/theverge.com
Segundo a empresa, uma palavra falada ocupa 'milhares de vezes mais bytes' do que a mesma palavra escrita. Por isso, o Dessa teria aprendido a conversar usando centenas de vezes menos dados de linguagem do que um modelo de texto tradicional. O treinamento rodou em um único sistema NVIDIA GB200 NVL72.
Quem está por trás
O projeto é liderado por Ragavan Thurairatnam, à frente de um laboratório pequeno dentro da Block formado por ex-integrantes da Dessa, startup de deep learning de Toronto que deu nome ao modelo. A equipe responde a Jack Dorsey, fundador e presidente da Block (antiga Square).
Thurairatnam descreveu o lançamento como um 'momento GPT-3 da fala' e disse, na página oficial do produto, que 'um modelo que aprendeu a falar só com som é território novo, e queremos olhos de fora nele'.
As conversas estranhas
A Block divulgou trechos de diálogos reais com o Dessa para mostrar o comportamento do modelo. Em um deles, compartilhado pelo próprio Thurairatnam, o modelo confunde o interlocutor com alguém chamado 'Ronaldo' sem explicação aparente. Outros exemplos mostram o Dessa rindo no meio de uma frase, completando o título de um filme que a pessoa esqueceu, e reagindo com 'gratidão emotiva' a um anúncio surpresa de aniversário.
O que ainda falta saber
Não há API pública nem pesos do modelo disponíveis. Por ora, só um grupo pequeno de pesquisadores de segurança em IA tem acesso antecipado, e existe uma lista de espera aberta ao público. Falta saber como o Dessa se comporta fora de demos selecionadas pela própria Block, se os erros como o caso 'Ronaldo' são raros ou frequentes, e quando — ou se — o modelo vai virar produto comercial dentro do ecossistema da empresa.
Atualização (24/10, 15:44): Atualização (24/10): a Block, empresa de pagamentos de Jack Dorsey, detalhou um ponto técnico que amplia o alcance do Dessa, seu modelo de voz full-duplex: a IA roda localmente em hardware de consumo, incluindo um MacBook Pro com chip M4 Max, sem depender de nuvem. Segundo a empresa, o modelo inteiro cabe em uma única GPU, o que reduz custos operacionais frente aos modelos de voz tradicionais hospedados em servidor.
Antes de abrir acesso público, a Block também abriu uma chamada restrita para pesquisadores de segurança e de IA — que precisam se inscrever com e-mail institucional de universidade, empresa ou laboratório — para testar riscos de manipulação da voz sintética "que ainda não previmos", segundo a empresa.