Block, компанијата предводена од Џек Дорси, претстави нов гласовен модел наречен Dessa, кој е наменет за поприродни разговори со компјутер. Според компанијата, моделот работи директно со човечки говор и може да долови елементи што обично се губат кога гласот прво се претвора во текст, како интонација, ритам, паузи и емоционална состојба.
Dessa е full-duplex модел, што значи дека може истовремено да слуша и да одговара. Таквиот пристап треба да овозможи разговорот да тече понепосредно, без вообичаеното чекање корисникот целосно да заврши со зборување пред системот да почне да одговара.
Block наведува дека моделот е обучен исклучиво со човечки говор и дека за неговото обучување бил користен еден графички процесор од Nvidia. Наместо да се потпира на текстуален процес во создавањето говор, Dessa треба да ги вградува изразноста и емоционалните нијанси во самиот гласовен модел.
Во примерите што ги објавија истражувачите на Block, Dessa зборува со различни гласови, темпо и расположенија. Во една демонстрација, моделот звучи изморено додека зборува за работен ден, а во друга реагира емотивно во разговор со соговорник. Компанијата прикажа и пример во кој гласовниот асистент учествува во игра на погодување.
Важен дел од најавата е можноста моделот да работи локално. Block тврди дека Dessa може да се извршува на потрошувачки хардвер, вклучително и на MacBook M4 Max или помоќен компјутер. Локалното извршување потенцијално би можело да ја намали зависноста од оддалечени сервери и трошоците за користење во различни производи и услуги.
Сепак, Dessa засега не е јавно достапен. Block повикува истражувачи за безбедност да го тестираат моделот, особено во ситуации во кои убедливиот синтетички глас би можел да се искористи за доведување луѓе во заблуда.
Компанијата веќе има искуство со гласовни функции во својот бизнис: Square користи гласовна технологија за обработка на нарачки. Со модел што може да работи на самиот уред, Block гледа простор за поширока примена во деловни и кориснички искуства.