Block, kompanija Jacka Dorseya, predstavila je novi glasovni model pod nazivom Dessa. Istraživački tim tvrdi da model zvuči izuzetno ljudski — reproducira smijeh, stanke, tonalitet i emocionalne nijanse — te da je treniran isključivo na ljudskom govoru. Dessa je full‑duplex, što znači da istovremeno može govoriti i slušati, a Block navodi da je za treniranje modela bio dovoljan jedan rack s NVIDIA GPU‑ima.
Prema objavi, model ugrađuje emocionalne karakteristike direktno u svoju arhitekturu, za razliku od nekih trenutnih sustava koji se oslanjaju na tekstualne oznake ili tagove za upravljanje emocijama. Istraživači su podijelili primjere razgovora u kojima agent pokazuje različite glasovne boje, kadence i emocionalne reakcije — od umora do emocionalne uznemirenosti — što, prema opisu, razgovor s njim čini sličnim razgovoru s osobom.
Block navodi da Dessa može raditi lokalno na uređajima s potrošačkim GPU‑ima, primjerice na MacBooku s M4 Max ili snažnijim hardverom. Trenutno model nije dostupan javnosti; tvrtka je pozvala sigurnosne istraživače da ga testiraju i procijene moguće rizike, uključujući scenarije u kojima realističan glasovni agent može zavarati osobu na drugom kraju veze. Block također ističe potencijalne primjene u poslovnim uslugama: Square već koristi glasovne alate za narudžbe, a model koji radi na uređaju mogao bi smanjiti troškove i omogućiti nove izvedbe u poslovnim i potrošačkim proizvodima.
ŠTA OVO ZNAČI?
Dessa pokazuje napredak u stvaranju glasovnih modela koji prenose emocionalne nijanse bez posredovanja teksta i koji se mogu pokretati lokalno na potrošačkoj opremi. To može dovesti do prirodnije interakcije s digitalnim asistentima i pogodnije primjene u situacijama koje zahtijevaju privatnost podataka ili nisku latenciju.
Poziv Blocka sigurnosnim istraživačima ukazuje na svjesnost o potencijalnim zloporabama — potreban je nadzor i testiranje kako bi se procijenile i ublažile rizici prije nego model postane široko dostupan.
Izvor: TechCrunch AI · 2026-10-24
Ilustracija: COIN.BA
