Dessa, a IA de voz da Block, aprendeu a falar sem nenhum texto

A Block, empresa por trás do Square e do Cash App, apresentou o Dessa, um modelo de IA de voz treinado apenas com gravações de pessoas conversando, sem nenhum texto escrito. A Block publicou a prévia de pesquisa em 23 de outubro de 2026 e diz que o modelo roda em um MacBook Pro. Se as afirmações se confirmarem, o Dessa aponta para assistentes de voz que ouvem o tom e a emoção em vez de ler uma transcrição.

Ainda não há lançamento público. A Block está dando acesso antecipado primeiro a um pequeno grupo de pesquisadores de segurança de IA, com uma lista de espera para todos os outros, segundo a página do Dessa da Block.

Como o Dessa difere da IA de voz atual

A maioria dos assistentes de voz funciona em etapas. Eles transformam sua fala em texto, deixam um modelo de texto escrever uma resposta e depois leem essa resposta em voz alta. A Block argumenta que esse processo perde a maior parte do que uma voz transmite. "Ele transforma sua voz em texto e joga fora uma quantidade incrível de informação que o texto sozinho não consegue transmitir", escreveu a empresa, segundo o TechCrunch.

O Dessa pula o texto. Entra áudio e sai áudio. "Treinamos o Dessa do zero apenas com conversa humana", diz a página da Block, sem texto e sem nenhum modelo de linguagem pré-treinado por baixo.

O Dessa também é full-duplex (duplex completo). Isso significa que ele ouve e fala ao mesmo tempo, como em uma ligação telefônica e não como em um walkie-talkie. Ele pode interromper, reagir a interrupções, rir e dar respostas curtas como "sim!" enquanto você ainda está falando. A Block o chama de "o modelo de fala full-duplex mais autêntico já construído", uma afirmação que nenhum avaliador externo verificou ainda.

Treinamento e hardware

A Block diz que o Dessa aprendeu a linguagem com "centenas de vezes menos palavras" do que um grande modelo de linguagem precisa. A página observa que uma palavra falada ocupa milhares de vezes mais bytes do que a mesma palavra escrita.

O treinamento rodou em um único Nvidia GB200 NVL72, um sistema em escala de rack com 72 GPUs Blackwell, segundo a página da Block e o Notebookcheck. A reportagem do TechCrunch citou a Block falando em "uma única GPU da NVIDIA". A própria página da Block cita o sistema GB200 NVL72 completo.

Rodar o modelo exige bem menos. A Block diz que o Dessa funciona localmente em um MacBook Pro com chip M4 Max ou superior, mais rápido que o tempo real.

O que a Block disse	O que ela não disse
Treinado só com conversa humana	Quantas horas, ou de onde vieram as gravações
Treinado em um GB200 NVL72	Tamanho do modelo ou número de parâmetros
Roda em um MacBook Pro M4 Max ou superior	Latência em milissegundos
Pesquisadores de segurança têm acesso primeiro	Data de lançamento, preço, licença ou pesos

A Block não publicou nenhum artigo científico nem resultados de benchmark, observam CoinDesk e Notebookcheck. As demos são escolhidas pela Block. Uma delas combina o Dessa com o GPT-Live-1, uma voz de IA cujo desenvolvedor, segundo a Block, não tem vínculo com ela.

Quem o construiu

O laboratório é liderado por Ragavan Thurairatnam. Seus membros vêm da Dessa, uma startup de deep learning de Toronto que o Square comprou em 2020 e cujo nome o modelo agora carrega, informa o CoinDesk. "Um modelo que aprendeu a falar só a partir do som é território novo, e queremos olhares de fora sobre ele", escreveu Thurairatnam na página da Block.

Jack Dorsey, cuja empresa construiu o modelo, elogiou o resultado no X. "Conversar com ele é como conversar com uma pessoa…cheio de emoção, nuance, pausas e uma cadência natural", escreveu ele, conforme citado pelo CoinDesk.

Temores de golpes

O mesmo realismo preocupa as pessoas. A cineasta Justine Bateman perguntou se a ideia era que "você possa enganar as pessoas para que baixem a guarda", informa o CoinDesk. O jornalista Shiv Aroor escreveu: "Ligações de golpe estão prestes a atingir nível de pandemia."

A página da Block enxerga a segurança de outro jeito. Ela argumenta que o risco é uma IA de voz que não consegue perceber sofrimento, e quer que pesquisadores testem o Dessa cedo. A página não menciona marcas d'água, limites à clonagem de voz nem outros controles contra uso indevido.

O Dessa chega em um mês movimentado para modelos de voz. O Tech AI Wire cobriu em outubro os agentes de voz Eleven Realtime da ElevenLabs e o Grok Voice 3.0 da xAI.

O que isso significa para desenvolvedores

Ainda não há nada sobre o que construir. O Dessa não tem API, nem pesos, nem licença. Se você trabalha com produtos de voz, entre na lista de espera e aguarde acesso real antes de fazer planos em torno dele.

Fique de olho na promessa de rodar no próprio dispositivo. Um modelo de voz full-duplex que roda mais rápido que o tempo real em um notebook mudaria o custo dos apps de voz. As chamadas não precisariam de uma ida e volta à nuvem para cada resposta. Verifique se um Mac mais modesto consegue rodá-lo quando a Block publicar os requisitos.

Prepare-se para um mundo em que não dá para confiar em vozes só pelo som. Se o seu app lida com pagamentos, chamadas de suporte ou recuperação de conta, não confie em uma voz que "soa humana" como prova de nada. Adicione números de retorno de ligação, confirmação dentro do app ou outras verificações que uma voz sintética não consiga passar.

Faça à Block as perguntas em aberto antes de adotá-lo: de onde vieram as conversas de treinamento, se os falantes consentiram e o que impede o modelo de copiar a voz de uma pessoa real.