Block показала речевую модель Dessa, но без доступа

Подробно

Что такое Dessa и кто её создал?

Dessa - это speech-to-speech-модель: на вход и на выход она получает звук. В полнодуплексном режиме, по описанию Block, она слушает и говорит одновременно, может перебивать собеседника и вставлять короткие подтверждения во время его речи.

Модель разработала небольшая исследовательская лаборатория внутри Block. Её создали бывшие сотрудники торонтского стартапа Dessa, которого компания Square (позднее переименованная в Block) купила 7 февраля 2020 года. Лаборатория подчиняется напрямую Джеку Дорси - сооснователю, председателю совета директоров и Block Head. Проект возглавляет Ragavan Thurairatnam. На странице также названы исследователи Louay Hazami, Hashiam Kadhim, Qi (Alex) Liu, Rayhane Mama, Aydin Polat и Marc Tyndel.

Чем Dessa отличается от других голосовых моделей?

Главная заявленная особенность - обучение только на человеческой речи. Thurairatnam сказал:

Мы обучили Dessa с нуля исключительно на человеческих разговорах. Только звуки! Никакого текста, никаких предобученных моделей.

Также он заявил: «Насколько нам известно, Dessa - первый в мире ИИ, с которым можно вести реалистичный живой разговор и который обучен только на человеческой речи». Подтверждений первенства нет.

Полнодуплексные модели появились раньше. 17 сентября 2024 года исследователи Kyutai представили Moshi - систему реального времени, которая тоже слушает и говорит одновременно. Но Moshi опиралась на 7-миллиардную текстовую основу Helium и совместное моделирование текста и аудио. 8 июля 2026 года OpenAI выпустила GPT-Live-1 и GPT-Live-1 mini, а 10 сентября GPT-Live-1 стал доступен разработчикам через API. Новизна Dessa, следовательно, в способе обучения, а не в самом полнодуплексном режиме.

Дорси назвал Dessa «самой аутентичной полнодуплексной речевой моделью из всех созданных» и написал, что разговор с ней похож на разговор с человеком, с эмоциями, паузами и естественным ритмом. Это рекламное заявление, сравнительных тестов в его подтверждение нет.

Что показала Block в демонстрациях?

Block опубликовала набор записей. Компания называет их живыми разговорами человека с Dessa и пишет: «Никто не управляет моделью. Dessa сама выбирает, что сказать, когда и как, вплоть до собственного голоса и характера. Субтитры добавлены позже».

В записях модель смеётся посреди фразы, меняет громкость по просьбе, помогает вспомнить название фильма, делает паузы и использует эмоциональные интонации. Одна из демонстраций - разговор Dessa с GPT-Live-1. Block уточняет, что оба голоса созданы ИИ, а разработчик GPT-Live-1 не связан с Block и не проверял и не одобрял Dessa.

Записи отобраны самой компанией. Критерии отбора, число попыток и стабильность такого поведения неизвестны.

Что говорят о Dessa журналисты и эксперты?

Старший репортёр The Verge Jay Peters написал, что разговоры в основном звучат естественно, но временами неловко и жутковато. В одном примере модель ошибочно называет собеседника «Ronaldo», в другом неожиданно переходит от фильмов Кристофера Нолана к «Супермену» Брайана Сингера. В опубликованном сравнении с GPT-Live-1 Dessa показалась ему более естественной.

Журналист TechCrunch Ivan Mehta отметил человекоподобные смех, паузы и плач, но подчеркнул: неясно, не управляются ли эмоции какими-либо скрытыми метками. Проверить модель самостоятельно нельзя, публичного доступа нет.

На чём и как быстро работает Dessa?

По заявлению Block, обучение прошло на одной системе NVIDIA GB200 NVL72. Это не один GPU: по спецификации NVIDIA, GB200 NVL72 - жидкостно охлаждаемая стоечная система с 72 GPU Blackwell и 36 CPU Grace.

Компания также утверждает, что инференс идёт быстрее реального времени и что модель можно запускать локально на MacBook Pro с M4 Max или более мощной системе. Задержка в миллисекундах, требования к памяти и параметры запуска не раскрыты. Block говорит и о том, что Dessa выучила язык на «сотни раз меньшем» числе слов, чем нужно большим языковым моделям, но не называет ни абсолютного числа слов, ни объёма аудио, ни методики сравнения.

Все эти данные исходят только от Block и независимо не проверены.

Можно ли попробовать Dessa и когда она выйдет?

На 24 октября 2026 года публичного доступа нет: ни интерактивного, ни через загрузку или API. Рабочие публичные веса и лицензия не представлены. На странице есть лист ожидания и уведомление «Launch links are coming soon» («Ссылки для запуска появятся скоро»).

Ранний доступ Block предлагает небольшой группе исследователей безопасности. Thurairatnam пояснил: «Модель, научившаяся говорить только по звуку, - это новая территория, и нам нужен внешний взгляд. Мы даём небольшой группе исследователей безопасности ИИ ранний доступ, чтобы они нашли риски, которых мы не предвидели». В форме запрашиваются имя, институциональная электронная почта и необязательная ссылка на Google Scholar или блог. Получила ли какая-либо независимая группа доступ, неизвестно.

Цена, тарифы, дата общего релиза, список языков и доступность по странам, включая Россию, не опубликованы.

Какие вопросы к Dessa остаются без ответа?

Block не опубликовала технический отчёт, препринт или model card. Не раскрыты архитектура, число параметров, объём и происхождение записей, языковой состав, наличие согласия говорящих, длительность и стоимость обучения. Нет стандартных бенчмарков, слепых пользовательских тестов и сравнений с другими моделями на одинаковых заданиях, нет и данных о доле неудачных разговоров.

О конкретных рисках компания не сообщает: никаких инцидентов или официальных решений нет, риски названы лишь предметом будущего изучения. Пока Dessa остаётся корпоративной демонстрацией, оценивать её можно только по записям, которые выбрала сама Block.