A Block, empresa liderada por Jack Dorsey, lançou do seu laboratório um modelo de voz chamado Dessa. Ele sabe rir, fazer pausas e até soar como se chorasse, e roda localmente.
O que muda
A maioria dos assistentes de voz funciona em cadeia: a fala vira texto, um modelo de linguagem processa o texto e a resposta é lida em voz alta. Segundo a Block, o primeiro passo descarta tudo o que o texto não carrega, como tom, cansaço e hesitação. O Dessa dispensa essa camada. A emoção está dentro do próprio modelo e o conhecimento vem das conversas usadas no treino. O treino usou apenas fala humana real e um único rack de GPUs da Nvidia.
O modelo é full duplex: fala e escuta ao mesmo tempo, então dá para interrompê-lo como a uma pessoa. A Block diz que ele rodará em hardware de consumo, a partir de um MacBook M4 Max.
O que foi mostrado
Funcionários da Block publicaram gravações em que o agente muda de voz e de ritmo. Numa delas, diz estar cansado do trabalho e soa cansado de fato. Um pesquisador chamou o lançamento de «momento GPT-3 da fala».
Ressalvas
Ainda não há acesso público e quase todas as avaliações de qualidade vêm da própria empresa. A Block pediu a pesquisadores de segurança externos que testem o modelo, inclusive quanto à capacidade de enganar pessoas. Para o negócio, isso pode significar pedidos e suporte por voz baratos, direto no dispositivo; a Square já usa IA de voz para receber pedidos.