Block, firma Jacka Dorseya, pokazał model głosowy Dessa, który rozmawia z człowiekiem bez pośrednictwa tekstu. Model słucha i mówi jednocześnie, a do działania wystarcza mu MacBook Pro z układem M4 Max. Dorsey ogłosił projekt w piątek 23 października. Publicznego dostępu na razie nie ma.
Co dokładnie ogłosił Block
Dessa to model typu speech-to-speech działający w trybie full-duplex. Większość dzisiejszych asystentów głosowych zamienia mowę na tekst, przetwarza go modelem językowym i dopiero potem syntetyzuje odpowiedź. Dessa pomija ten etap. Block podaje, że model wytrenowano od zera wyłącznie na nagraniach ludzkich rozmów, bez danych tekstowych i bez gotowych modeli bazowych. Do treningu wystarczyła jedna szafa NVIDIA GB200 NVL72.
Efekt ma być słyszalny w samej rozmowie. Model rozpoznaje emocje i sarkazm, potrafi się zaśmiać i wtrąca krótkie potaknięcia, tak jak robią to ludzie. Block deklaruje, że wnioskowanie działa szybciej niż w czasie rzeczywistym, więc przed odpowiedzią nie ma niezręcznych pauz.
„The most powerful AIs in the world can't hear how you feel” (Block, zapowiedź modelu Dessa)
Kto za tym stoi i czego jeszcze nie wiemy
Za projektem stoi laboratorium badawcze Block, założone przez byłych członków torontońskiego startupu Dessa. Zespołem kieruje Ragavan Thurairatnam, który raportuje bezpośrednio do Dorseya. TechCrunch zestawia nowy model z ElevenLabs v4 i Fish Audio Drama 3. Te systemy sterują emocjami za pomocą znaczników w tekście, a Dessa ma je odtwarzać natywnie, prosto z dźwięku.
Wielu kluczowych informacji wciąż brakuje. Block nie podał liczby parametrów, zmierzonych opóźnień ani licencji. Nie wiadomo też, w jakich językach model rozmawia. Na stronie projektu działa lista oczekujących, a wcześniejszy dostęp dostała niewielka grupa badaczy bezpieczeństwa AI. Mają wyszukać zagrożenia, których twórcy nie przewidzieli.
Co model głosowy Dessa znaczy dla firm w Polsce
Najciekawsza jest praca lokalna. Model głosowy działający na laptopie oznacza, że nagrania rozmów nie muszą trafiać do chmury dostawcy. Dla obsługi klienta, rekrutacji czy placówek medycznych to realna ulga przy ocenie zgodności z RODO. Jest jednak druga strona. Głos, który brzmi jak człowiek i reaguje na emocje, łatwiej wprowadza rozmówcę w błąd. Unijny AI Act wymaga, by użytkownik wiedział, że rozmawia z systemem AI, i ta zasada obejmie także takie boty.
Na wdrożenie jest za wcześnie, bo modelu nie da się jeszcze przetestować, a obsługa polskiego pozostaje niewiadomą. Warto natomiast już teraz spisać procesy, w których rozmowa głosowa jest wąskim gardłem, i ustalić zasady oznaczania rozmów z AI. Gdy Dessa lub jej konkurenci trafią na rynek, ocena zajmie wtedy tygodnie, a nie miesiące.
Źródło: Block: Dessa (EN), strona zapowiedzi modelu; TechCrunch: Block's new voice model sounds eerily human (EN), 24 października 2026.
