24 октября 2026 года The Decoder сообщил о голосовой модели Dessa от Block. По описанию издания, она обрабатывает речь как аудио, не превращая её предварительно в текст. Block заявляет, что такой подход позволяет модели улавливать интонацию, паузы, смех и сарказм; публично Dessa пока недоступна, поэтому разработчики и пользователи не могут самостоятельно проверить эти возможности. The Decoder пересказывает заявление Block о Dessa.
Чем отличается аудиоподход
Система, которая анализирует только расшифровку, работает с записанными словами, а не со всеми звуковыми особенностями их произнесения. Dessa, согласно публикации The Decoder, принимает речь непосредственно как аудио. Block утверждает, что модель обучена на человеческой речи без текстовых данных и может в реальном времени распознавать эмоциональные сигналы, сарказм, смех и паузы.
Издание также сообщает о поддержке полнодуплексного общения: модель может слушать и говорить одновременно. Для голосового интерфейса это означает возможность не ограничиваться последовательным обменом репликами, хотя практическое качество такого взаимодействия по доступным данным оценить нельзя.
Где это может пригодиться и что доступно
Если заявленные свойства подтвердятся, анализ интонации и пауз может быть полезен голосовым системам, которым важно учитывать не только буквальное содержание слов. Например, такой интерфейс мог бы иначе обработать саркастическую реплику или паузу собеседника. Это возможные сценарии, а не подтверждённые результаты применения Dessa.
The Decoder сообщает, что модель работает локально на MacBook Pro M4 Max, а для обучения использовался один NVIDIA GB200 NVL72. На момент публикации Dessa не была доступна широкой публике: команда Block сначала искала исследователей безопасности ИИ для проверки неожиданных рисков. Поэтому пока нельзя самостоятельно оценить её работу или встроить модель в голосовой продукт.
Что известно о заявленных возможностях
Сведения о распознавании интонации, пауз и сарказма в доступном материале исходят от Block и пересказаны The Decoder; независимого теста в исследовательских данных нет. Распознавание эмоциональных признаков в голосе само по себе не означает, что система испытывает эмоции или понимает их так, как человек. Практическая точность Dessa остаётся непроверенной.
