Block Джека Дорси представила Dessa — голосовой ИИ, работающий локально на MacBook и понимающий эмоции
Компания Block, основанная Джеком Дорси, представила 24 октября голосовую модель Dessa — новую систему искусственного интеллекта, которая работает со звуком напрямую, без промежуточного перевода в текст. Демонстрация вызвала живой интерес у специалистов и обсуждение в профессиональном сообществе: технология обещает более естественное общение, но одновременно поднимает вопросы безопасности.
Как работает Dessa: речь на речь без текста
Большинство современных голосовых ассистантов функционируют как конвейер: сначала аудио преобразуется в текст (ASR), затем языковая модель формирует ответ, а в конце синтезатор (TTS) проговаривает его. Такой подход задерживает реакцию и теряет интонационные нюансы.
Dessa использует архитектуру «speech-to-speech»: модель слушает и отвечает голосом напрямую. Это позволяет ей улавливать смех, паузы, смену тона и эмоциональное окрас речи собеседника. В демонстрационных роликах Dessa вела диалог о кино, а в другом примере — с слезами радости в голосе ответила на предложение поехать в Париж. Джек Дорси отметил, что общение с ней напоминает разговор с живым человеком: «полный эмоций, нюансов, пауз и естественного ритма».
Журналисты The Verge сравнили Dessa с OpenAI GPT-Live-1 и пришли к выводу, что модель Block звучит более естественно. Все опубликованные записи — демонстрации самой компании; независимых тестов пока не проводилось.
Техническая база: обучение на одной стойке, запуск на ноутбуке
Модель обучалась с нуля исключительно на человеческой речи. Для тренировки использовалась одна серверная стойка Nvidia GB200 NVL72 — система с 72 графическими ускорителями. Несмотря на масштабные вычислительные ресурсы на этапе обучения, готовая модель помещается на MacBook Pro с чипом M4 Max (или более мощном) и работает полностью локально, без обращения к облаку.
Локальный запуск даёт два важных преимущества: конфиденциальность диалога (данные не уходят на сторонние серверы) и независимость от качества интернет-соединения. Размер модели, результаты бенчмарков и дата публичного релиза Block не раскрывает.
Над проектом работает исследовательская лаборатория, подчиняющаяся напрямую Дорси. В её состав вошли бывшие сотрудники торонтской компании Dessa, которую Square (ныне Block) приобрела в 2020 году.
Стратегия распространения: только для исследователей безопасности
Block выпустила Dessa как исследовательский предпросмотр (research preview). Доступ к модели получили небольшая группа экспертов по безопасности ИИ. Компания надеется, что независимые специалисты выявят риски, которые внутренняя команда могла упустить.
В пользу такого подхода звучит аргумент: текстовая расшифровка теряет интонацию. Модель, «слышащая» голос, в перспективе сможет лучше распознавать тревогу, боль или стресс собеседника — полезный сценарий для служб поддержки и телемедицины.
Риски глубокихфейков: голос как инструмент мошенничества
Демонстрация расколола аудиторию. Основатель Binance Чанпэн Чжао увидел в Dessa полезный инструмент для обучения детей. Скептики, включая режиссера Джастина Бейтмана, предупреждают: слишком человечный голос может усыплять бдительность. Журналист Шив Арур предсказал резкий рост мошеннических звонков с использованием подобных технологий.
Уже сейчас злоумышленники применяют голосовые глубокефейки (deepfake audio) для воровства денег и данных. Модели уровня Dessa пока не в открытом доступе, но угроза реальна.
Как защититься от звонков с поддельным голосом
- Договоритесь с близкими и коллегами о кодовом слове для экстренных ситуаций.
- Если звонящий «родственник» или «начальник» требует срочно перевести деньги — положите трубку и перезвоните по известному номеру.
- Помните: тембр, интонация и эмоциональность голоса больше не гарантируют, что на линии живой человек.
- Включите двухфакторную аутентификацию там, где это возможно, и не сообщайте коды из СМС/пуш-уведомлений по телефону.
Что дальше: ожидание независимой экспертизы
Block показала впечатляющую демонстрацию, но практически не предоставила данных для верификации: нет размера модели, нет результатов тестов, нет сроков релиза. Главный вопрос — как Dessa поведёт себя за пределами отобранных роликов. Ответы появятся, когда исследователи безопасности опубликуют первые выводы. Пока что технологию стоит рассматривать как перспективный прототип, а не готовый продукт.
Вывод
Dessa — заметный шаг к естественному голосовому интерфейсу следующего поколения. Локальный запуск, работа «речь-в-речь» и улов эмоций делают её технологически интересной. Однако отсутствие открытых тестов и высокий потенциал злоупотреблений требуют осторожного подхода. Для обычных пользователей главное сейчас — осознать реальность голосовых глубокефейков и заранее согласовать правила верификации личности с близкими.