Block, ранее известная как Square, объявила о выпуске новой голосовой модели Dessa. По заявлению компании, Dessa работает локально на устройстве и может звучать заметно человечно, выражая эмоции через паузы, смех и даже крики. По информации из источников, модель обучалась исключительно на человеческой речи и может исполняться на одном графическом процессоре NVIDIA. Dessa позиционируется как полно-дуплексная: она может говорить и слушать одновременно, аналогично некоторым современным решениям на рынке.

Block утверждает, что Dessa обучена на разговорных данных и не полагается на стандартную текстовую подложку в процессе генерации голоса. Компания отмечает, что существующие системы часто звучат искусственно из‑за конвейера, где текст задаёт направление речи, тогда как Dessa якобы содержит элемент эмоций «из коробки». Приводимые примеры демонстрируют разные голоса, темпы и эмоции, включая усталость во время диалога.

Руководители Block подчеркивают, что взаимодействие с нынешними голосовыми ИИ может разочаровывать: передача голоса в текст теряет информацию о чувствах говорящего. По пресс-релизу, Dessa способна одновременно говорить и слушать и предназначена для работы на потребительских GPU. В настоящее время доступ к Dessa публике не открыт, а Block приглашает исследователей по безопасности протестировать модель на устойчивость к попыткам обмануть собеседника.

Демонстрационные материалы показывают примеры, когда агент общался с разными голосами и эмоциями: в одном сюжете бот говорил об усталости от работы и звучал уставшим, в другом — играя с голосовым помощником в игровом формате. Block заявляет, что Dessa может вести «реалистичный» разговор и что сравнение с «GPT‑3-моментом» для речи отражает амбиции проекта. Кроме того, компания говорит, что Dessa может запускаться локально на устройствах вроде MacBook M4 Max или лучше, хотя общественный доступ к модели отсутствует.