«Block обучила Dessa — голосовую модель — всего на одном GPU NVIDIA, и она смеётся, делает паузы и звучит уставшей, будто с тобой говорит живой человек.» Работает она локально на MacBook M4 Max или мощнее и умеет слушать и говорить одновременно. Публичного доступа пока нет, но Block зовёт исследователей по безопасности протестировать Dessa.
Что вообще произошло
Block — это компания Джека Дорси, которая среди прочего владеет Square, платёжным сервисом для малого бизнеса. TechCrunch опубликовал разбор 24 октября 2026 года в 9:00 утра по тихоокеанскому времени, а первые посты Дорси и исследователей Block появились 23 октября 2026 года. «В шапке того же материала также висит анонс Disrupt: двери открываются 13 октября.» К Dessa это отношения не имеет, но так выглядит контекст, в котором новость вышла. Её исследовательская лаборатория выпустила голосовую модель Dessa. Главное, что о ней известно:
• Обучена полностью на человеческой речи — без промежуточного текста в пайплайне. Именно из-за текстового звена, по мнению Block, нынешние модели звучат неестественно и раздражающе.
• Один GPU NVIDIA — на нём обучили модель. Это очень мало по меркам больших ИИ-систем.
• Full-duplex — модель может говорить и слушать одновременно. Примерно так же устроена GPT-Live от OpenAI, которую выпустили ранее в этом году.
«- Эмоции встроены — Block утверждает, что смех, паузы, всхлипывания и усталость у Dessa не приходят из текста, а заложены в саму модель.»
• Работает локально — запускается на потребительском компьютере вроде MacBook M4 Max или мощнее.
Block называет Dessa «самой аутентичной full-duplex речевой моделью, когда-либо созданной». Публичного доступа к модели пока нет. Block набирает исследователей безопасности, чтобы те протестировали её — в том числе на случаях, когда голосовой агент может обмануть человека на другом конце провода.
Почему это звучит как живой человек
В доказательство исследователи Block выложили несколько примеров разговоров с Dessa — с разными голосами, каденцией и эмоциями. В одном бот говорит, что устал от работы, — и в этот момент правда звучит устало. «В другом — эмоционально, почти срываясь, говорит о том, как собеседник помогает ему почувствовать себя комфортно.» «В третьем член команды Block играет с голосовым ассистентом в угадайку: первое слово тот отгадывает сразу, а на второе тратит немного времени.»
Block не уточняет, управляются ли эмоции какими-то тегами, — она заявляет, что те «встроены». Именно на этом контрасте с ElevenLabs v4 и Fish Audio Drama 3, где эмоции выставляются голосовыми тегами, и строится главное обещание модели.
Что это даёт лично тебе
«Даже если Dessa пока закрыта, направление показывает, куда движется технология.» Вот как это выглядит в жизни разных людей.
• Владелец кофейни думает, как автоматизировать приём заказов по телефону. Square уже использует голосовой ИИ для заказов, а своя модель на устройстве сделает такую автоматизацию дешевле и без облачных счетов.
«- Мама двоих детей сможет озвучивать любые книги и сказки голосом, который смеётся, вздыхает и шепчет, — похожим на живого рассказчика.»
• Фрилансер-дизайнер, монтирующий ролики, получит озвучку текста голосом без похода в студию: нужные эмоции — усталость, радость, сомнение — встроены в саму модель.
• Студент набьёт конспекты в текст и попросит озвучить их в дороге, причём интонации будут помогать запоминать, а не усыплять.
• Предприниматель на маркетплейсе закроет поддержку клиентов голосовым помощником, который не звучит как робот из прошлого.
• Блогер начнёт делать подкасты и аудиоверсии постов быстрее: текст — в модель, эмоция — из модели.
Общий смысл простой: реалистичный ИИ-голос и ИИ-озвучка текста перестают быть дорогой студийной роскошью и становятся обыденным инструментом. А чем дешевле и естественнее озвучка, тем больше людей смогут делать контент на уровне, который раньше требовал команды.
Как попробовать прямо сейчас
Dessa пока не отдают публике, но потренироваться на голосовых моделях можно уже сегодня — вот бесплатный путь.
1. Открой ChatGPT — это бесплатно, ссылка открывает чат.
2. Включи голосовой режим: нажми на значок микрофона или наушников в интерфейсе.
3. Скажи вслух: «Озвучь, пожалуйста, вот этот текст. Сделай это так, будто ты устал после долгого дня». Дальше вставь свой абзац.
4. Послушай, как интонация меняется от смены задачи. Погоняй несколько вариантов — весело, серьёзно, шёпотом.
5. Сравни с тем, как звучит обычная озвучка текста на русском в любом стандартном сервисе. «Разница станет заметной и даст представление о том, к чему движется Dessa.»
Если хочешь копнуть глубже — посмотри на ElevenLabs v4 и Fish Audio Drama 3, которые упомянуты в источнике. Там эмоции выставляются голосовыми тегами: это уже рабочий способ добавить голосу характер, хоть и не такой «встроенный», как обещает Block.
Плюсы, минусы и честные ограничения
Что станет лучше и дешевле. Во-первых, локальный запуск: большие облачные счета за озвучку больше не нужны — модель крутится прямо на ноутбуке. Во-вторых, эмоции из коробки: не надо подбирать теги, как у ElevenLabs v4 или Fish Audio Drama 3. «В-третьих, full-duplex: с таким голосом можно говорить как с человеком, не дожидаясь конца фразы, — а это открывает путь к более естественным голосовым помощникам.» Для бизнеса это значит дешёвые звонки, заказы и поддержка; для обычного человека — реалистичный ИИ-голос для творчества и учёбы.
А теперь честно про минусы. Публичного доступа к Dessa нет, и когда появится — неизвестно. Неизвестно и то, управляются ли эмоции тегами на самом деле: Block это не уточняет. Нужен MacBook M4 Max или мощнее — старый ноутбук может не потянуть. И самое важное: модель обучена на речи, а не на текстовых знаниях, поэтому как «умный собеседник» она, скорее всего, будет слабее. Block прямо набирает исследователей безопасности, потому что голосовой агент такого качества может обмануть человека на другом конце провода, — и это ограничение, о котором стоит помнить.
Вывод и что сделать сегодня
Dessa — это не просто ещё одна озвучка. Это сигнал: голосовой ИИ догоняет живую речь, становится локальным и дешёвым. «Со временем такие модели начнут появляться у обычных инструментов — в редакторах видео, в конструкторах ботов, в озвучке книг.»
Твоё действие на сегодня: открой ChatGPT, включи голосовой режим и попроси озвучить один абзац текста с конкретной эмоцией. Сравни с тем, как звучало раньше, и запиши, что изменилось. А если хочешь больше разборов и промптов — заглядывай в @aigoby и задай вопрос в комментариях.
🎁 Бонус: готовый промпт для теста голоса
Скопируй этот промпт в ChatGPT или любую голосовую модель и послушай, как звучит текст с разными эмоциями.
```
Ты — сценарист и голосовой актёр. Напиши текст для озвучки на 60 секунд
на русском языке на тему «как я автоматизировал рутину с помощью ИИ».
Требования:
• 3 абзаца по 2-3 предложения, живая разговорная речь.
• В каждом абзаце задай эмоцию в квадратных скобках:
[устало], [воодушевлённо], [почти срываясь].
• Добавь естественные паузы, смех и вздохи в текст в виде ремарок.
• В конце — вопрос к слушателю, который хочется обсудить.
После текста озвучь его своим голосом, соблюдая все ремарки.
```
Проверь, как реалистичный ИИ-голос держит паузы и эмоции. Именно на таком тесте видно разницу между «роботом» и моделью уровня Dessa.
Комментарии 0