Resumo rápido
Block Dessa é um modelo de IA de voz treinado apenas com gravações de pessoas conversando, sem nenhum texto, e ainda não é algo que você possa usar. A Block o anunciou em 23 de outubro de 2026 como uma prévia de pesquisa: ele ouve e fala ao mesmo tempo, ri e suspira por conta própria, foi treinado em um rack NVIDIA GB200 NVL72 e roda em um MacBook Pro M4 Max. Há uma lista de espera e acesso antecipado para pesquisadores de segurança, mas sem API, sem preço, sem pesos e sem pontuações em benchmarks.
Minha leitura depois de analisar a página da Block, suas 21 demonstrações listadas e uma discussão com 199 comentários no Hacker News: Dessa é o modelo de voz com som mais natural que já ouvi ser descrito, e também o mais distante de ser um produto. Os comentaristas que desenvolvem agentes de voz sempre chegavam à mesma lacuna. Ele fala muito bem, mas nada do que a Block mostrou até agora permite que ele consulte um pedido, siga um roteiro ou chame uma ferramenta.
Para as equipes de suporte, essa lacuna representa o trabalho inteiro. Nas filas para as quais desenvolvo agentes na eesel, a parte difícil nunca foi soar humano, e sim agir com base em dados reais da conta. A Swiftreg responde a tickets sobre placas de veículos com base em dados de pedidos em tempo real, seguindo regras que ela mesma escreveu, em cerca de 2.100 tickets do Zendesk por mês. Acompanhe Dessa como um marco de pesquisa; se sua fila precisa de ajuda neste trimestre, um colega de equipe de IA para helpdesk no e-mail e no chat é o que já dá para colocar em operação.
Por que fui a fundo no Dessa
Sou engenheiro de software na eesel e passo meus dias desenvolvendo os agentes de IA que ficam dentro dos helpdesks dos clientes. A cada poucos meses, surge um novo modelo de voz com uma demonstração que faz um líder de suporte me mandar uma mensagem perguntando "já deveríamos estar usando IA no telefone?". Depois de GPT-Live-1, Grok Voice Think Fast 2.0 e Decagon Voice 3, Dessa é o próximo.
Então fiz o que faço em todo lançamento: li tudo o que o fornecedor realmente publicou, ouvi os clipes e separei o que a Block disse do que outras pessoas presumiram. Essa segunda parte importa mais do que o habitual aqui, porque a Block publicou muito pouco, e boa parte da cobertura preenche as lacunas com suposições.
O que é o Block Dessa?
Dessa é um modelo full-duplex de fala para fala desenvolvido por um pequeno laboratório de pesquisa em IA dentro da Block, a empresa por trás de Square, Cash App e Afterpay. Nas palavras da Block, ele é "audio in, audio out", e "everything it knows came from human speech."
Três coisas o diferenciam da maioria das IAs de voz que você já usou:
- Ele ignora o texto completamente. A Block diz que a equipe o treinou "from scratch on nothing but human conversation", com "no text, no pretrained models." A maioria dos assistentes de voz é desenvolvida sobre um modelo de texto.
- Ele é full-duplex. Ele "listens and talks at the same time, like you do," e aprendeu com os dados quando intervir e quando sinalizar que está acompanhando com um "yeah!" ou "got it!".
- Ele ouve e expressa emoção. A Block diz que ele "natively hears and speaks emotion, sarcasm, laughter, a frustrated sigh, a voice cracking with sadness."
O laboratório é bem pequeno. A página da Block lista um líder, Ragavan Thurairatnam, seis pesquisadores, três estagiários e dois ex-estagiários, e diz que o laboratório se reporta diretamente a Jack Dorsey. A equipe foi fundada por ex-integrantes da Dessa, a startup de aprendizado profundo de Toronto que a Square adquiriu, daí o nome. Aquela startup original era conhecida pela detecção de deepfakes, um histórico interessante para uma equipe que agora desenvolve o modelo de voz com som mais humano que existe.
"We made the first AI model you can have a realistic conversation with that was trained entirely on speech! Dessa is a full-duplex speech-to-speech model that you can run on consumer GPUs. This is a GPT3 moment for speech."
Aquela publicação de lançamento recebeu 16.807 curtidas, e a publicação do próprio Jack Dorsey, chamando-o de "the most authentic full-duplex speech model ever built", passou de 68.000. A empolgação é real. A questão é o que há por trás dela.
Como o Dessa funciona de forma diferente de outras IAs de voz?
A maioria dos agentes de voz hoje funciona como uma sequência de três modelos: a conversão de fala em texto transforma sua voz em palavras, um modelo de texto escreve uma resposta, e a conversão de texto em fala a lê de volta. Escrevi sobre essa estrutura na minha comparação entre Realtime, Whisper e TTS. Ela funciona, e é assim que a maioria das chamadas telefônicas com IA e dos agentes de IA para call center opera hoje.
A parte da fala costuma ficar com um fornecedor de voz como a ElevenLabs. O Sonic 3, da Cartesia, é outra escolha comum.
O argumento da Block é que a primeira etapa descarta a parte mais humana da conversa. Sua página diz isso sem rodeios: a IA de voz atual "turns your voice into text and throws away an incredible amount of information text alone can't carry. The most powerful AIs in the world can't hear how you feel."
Dessa substitui toda essa sequência por um modelo que ouve áudio e produz áudio. Como ele nunca converte para texto, a risada, a pausa e o suspiro fazem parte daquilo com que ele aprende e do que produz. Modelos como o gpt-realtime, da OpenAI, também processam fala diretamente, e o GPT-Live-1 passa o raciocínio mais complexo para um modelo de backend separado, como o GPT-5.5. O diferencial do Dessa, segundo a Block, é que ele nunca viu texto algum.
A parte surpreendente, se as afirmações da Block se confirmarem, é a eficiência. A Block diz:
- Dessa "learned language from hundreds of times fewer words" do que grandes modelos de texto.
- Ele foi treinado em "only one NVIDIA GB200 NVL72", um único rack em vez de um data center.
- A inferência "runs faster than real time" e ele "runs locally on a MacBook Pro M4 Max or better."
A Block também lista perguntas de pesquisa em aberto que quer explorar: "How efficiently do they learn language and facts compared to text? How efficiently can they learn new languages? What sorts of In-context learning can they perform?" Gosto do fato de a página dizer isso abertamente. É um laboratório de pesquisa dizendo a você que ainda não sabe.
O que as demonstrações do Dessa realmente mostram?
A página da Block traz 21 gravações: seis clipes em destaque com descrições e mais 15 amostras, com duração de 1:42 a 5:01. A Block diz "Nobody steers it" e que as legendas foram adicionadas depois. Cada clipe é reproduzido como duas faixas sincronizadas, uma humana e uma do Dessa.
Aqui estão os clipes em destaque e o que a Block diz que cada um mostra:
| Clipe de demonstração | Duração | O que a Block destaca |
|---|---|---|
| Conversando sobre o lançamento | 2:52 | Ri no meio da frase, aumenta o volume quando pedem para falar mais alto |
| Lembrando de um filme | 2:39 | Completa o título de um filme que a pessoa esqueceu |
| Uma surpresa de aniversário | 1:52 | Solta um "oh my god" baixinho, depois soa agradecido |
| Conversa expressiva | 3:03 | "Huge range in intonation and speed" |
| Conselhos de vida | 4:57 | Soa "genuinely empathetic" |
| Dessa em conversa com GPT-Live-1 | 2:25 | Interrupção, paciência, sinais rápidos de acompanhamento |
Esse último clipe é o mais próximo de uma comparação que a Block oferece. São duas vozes de IA conversando entre si, com uma observação de que "the developer of GPT-Live-1 is not affiliated with Block and has not reviewed or endorsed Dessa." É divertido de ouvir, mas é uma avaliação de impressão, não um benchmark.
Também há um jogo de adivinhação no X, em que um estagiário brinca com o modelo e, nas palavras da Block, "the model guesses the first one right straight away, and the second doesn't take long either." Ragavan apresentou isso como prova de que o Dessa "developed world knowledge" apenas com áudio.
O que a Block ainda não nos contou?
Esta é a parte que a maioria das coberturas de lançamento ignora, e é a parte que decide se o Dessa importa para você. Até 27 de outubro de 2026, a página do Dessa da Block é o único material oficial publicado. Não há relatório técnico, artigo científico, ficha do modelo nem GitHub.
O que está faltando:
- Tamanho do modelo. Sem número de parâmetros, não dá para conferir se "runs on an M4 Max" é compatível com as necessidades de memória.
- Latência. "Faster than real time" é uma afirmação sobre taxa de processamento. Não há um número em milissegundos para o tempo até o primeiro áudio, que é o número que determina se uma chamada parece natural.
- Benchmarks. Nenhuma pontuação em comparação com GPT-Live-1, Grok Voice, Gemini ou modelos abertos. Apenas frases qualitativas como "Other models wait for you to finish, then laugh on cue."
- Idiomas. As demonstrações são em inglês. Uma amostra se chama "Singing nonsense Spanish", o que não é o mesmo que oferecer suporte ao espanhol.
- Acesso. Sem API, sem preço, sem licença, sem pesos abertos. O rodapé da página diz "Launch links are coming soon."
Nada disso é uma crítica à pesquisa. É normal um laboratório pequeno compartilhar trabalhos iniciais. Isso só significa que qualquer artigo dizendo que o Dessa "supera" outro modelo está fazendo suposições, e qualquer plano que você faça em torno dele hoje se baseia em clipes de demonstração.
O que as pessoas estão dizendo sobre o Dessa?
A discussão no Hacker News tem 532 pontos e 199 comentários, e o X ficou agitado com os clipes de demonstração. As reações se dividiram em três grupos.
O realismo impressionou muita gente. O comentário com mais respostas na discussão era sobre o hardware, não sobre a voz:
"The conversation examples are impressive but this made me say holy shit out loud: 'it runs locally on a MacBook Pro M4 Max or better. And we figured out how to train Dessa on only one NVIDIA GB200 NVL72.'"
Mas nem todo mundo ouviu a mesma coisa. Um comentarista achou a amostra da página inicial "absolutely awful", e outro disse que sua esposa, que não é da área técnica, identificou corretamente a voz de IA na primeira tentativa.
A voz está à frente do cérebro. Esta foi a crítica mais comum entre as pessoas que já desenvolveram agentes de voz:
"The speech realism is very good, but the intelligence is pretty clearly 2024-level."
Outro comentarista identificou um fato inventado na demonstração sobre filmes, ligando Bryan Singer a Superman IV. É um bom lembrete de que uma voz confiante torna as alucinações de IA mais convincentes, não menos.
Golpes e falsificação de identidade. Várias pessoas se preocuparam com o impacto de um modelo de voz convincente e local sobre fraudes por telefone:
"Block says it runs locally on a high-end MacBook. Once something like that is out, there's no server in the middle to watch it or switch it off. Research preview for now. Soon the only way to know you're talking to a human will be to hang up and call back."
A Block parece estar ciente disso. Seus motivos declarados para desenvolver o Dessa são "curiosity (aka fun), better understanding between humans and AI, and safety," e o primeiro acesso externo será concedido a pesquisadores de segurança, não a desenvolvedores. O que a Block ainda não publicou é uma ficha do modelo, resultados de testes adversariais ou qualquer marca d'água de áudio. A OpenAI, por outro lado, aplica marcas d'água ao áudio do GPT-Live com SynthID e o limita a vozes predefinidas, então esse é o padrão que eu esperaria que o Dessa atingisse antes de um lançamento público.
O Dessa poderia atender chamadas de suporte ao cliente?
Não na forma atual, e os motivos são específicos. Um agente de suporte por telefone precisa fazer quatro coisas além de soar bem: chamar ferramentas (consultar o pedido, emitir o reembolso), seguir um roteiro ou uma política, responder com base na sua própria central de ajuda e se conectar ao seu sistema de telefonia por uma API. A Block não anunciou nada disso.
O pessoal do HN colocou isso de forma mais incisiva do que eu colocaria:
"Given that it lacks both broad world knowledge and tool calling integration in any way, that seems kind of like a dead-end."
Não acho que seja um beco sem saída. Outro comentarista sugeriu separar as partes de escuta e fala de um modelo intermediário que cuide das consultas à base de conhecimento e das chamadas de ferramentas, o que parece um caminho sensato. Mas isso é trabalho futuro, e a Block não disse que está fazendo isso.
Há também uma questão de experiência do cliente para a qual ninguém tem resposta ainda. A característica marcante do Dessa é interromper e dar sinais de acompanhamento como uma pessoa. Vários comentaristas disseram que isso é exatamente o que odiariam em uma linha de suporte:
"I get irrationally angry when actual people interrupt me while I'm talking, I'll start throwing chairs when AI tech support agents start doing it."
Pelo que vi em filas reais de suporte, os clientes perdoam uma voz um pouco robótica que resolve o problema. Não perdoam uma voz encantadora que não consegue resolvê-lo. Quando coloco um agente em operação na eesel, primeiro faço uma simulação com os tickets históricos da equipe, justamente porque a falha que prejudica é uma resposta errada dada com confiança, não uma pausa estranha. Se a IA para telefone está no seu planejamento, comece pelo que seu helpdesk já oferece. O Zendesk tem agentes de IA de voz, e o Freshdesk tem agentes do Freshcaller.
Para ferramentas independentes que você pode implementar agora, meus guias sobre agentes de IA de voz para suporte e as melhores IAs para suporte por telefone são o ponto de partida.
Como o Dessa se compara aos modelos de voz que você pode usar hoje?
Como a Block não publicou pontuações, a comparação honesta é sobre o que cada um permite fazer, não sobre qual soa melhor.
| Block Dessa | GPT-Live-1 | Grok Voice Think Fast 2.0 | |
|---|---|---|---|
| Como é desenvolvido | Um modelo baseado apenas em fala, sem treinamento com texto | Camada de voz que passa o raciocínio para um modelo de backend como o GPT-5.5 | Modelo de voz com raciocínio integrado |
| Você pode usá-lo hoje? | Apenas lista de espera e pesquisadores de segurança | Sim, via API | Sim, via API |
| Preço publicado | Nenhum | US$ 0,05 por minuto para a camada de voz | US$ 0,08 por minuto |
| Chamadas de ferramentas | Não anunciadas | Sim | Sim |
| Roda localmente | Sim, MacBook M4 Max ou superior (segundo a Block) | Não | Não |
| Benchmarks publicados | Nenhum | Sim | Sim |
| Marca d'água de áudio | Não anunciada | SynthID | Não abordada aqui |
Curiosamente, a estrutura do GPT-Live-1 é próxima do que aquele comentarista do Hacker News propôs para o Dessa: uma camada de voz para a conversa e um modelo separado para o raciocínio e as chamadas de ferramentas. Minha análise do GPT-Live-1 e meu detalhamento de preços se aprofundam nisso.
A execução local é a única novidade do lado do Dessa nessa tabela. Um modelo de voz que roda em um notebook abre possibilidades para assistentes offline, jogos e prática de idiomas de uma forma que as APIs em nuvem não oferecem. Se IA local é o que interessa a você, vale ler sobre ele junto com outros lançamentos que rodam no próprio dispositivo, como o Nemotron 3.5 Bolt, ou minha lista de agentes de IA de código aberto.
Para qualquer coisa voltada ao cliente neste ano, porém, os modelos com APIs e chamadas de ferramentas ganham por padrão, e o modelo de voz é apenas uma parte de um agente de IA funcional. Minha seleção de agentes de IA de voz e a análise do Grok Voice Agent Builder são pontos de partida melhores do que uma lista de espera.
Quem deve prestar atenção ao Dessa?
- Pesquisadores de segurança de IA: sim, diretamente. A Block está procurando especificamente vocês, com um formulário de acesso antecipado que pede um e-mail institucional.
- Desenvolvedores de IA de voz: acompanhem de perto. Se a Block publicar pesos ou uma API, um modelo baseado apenas em fala que roda localmente seria uma opção realmente nova.
- Líderes de suporte e CX: tratem isso como um sinal, não como um plano. Os ganhos mais rápidos em chamadas hoje estão em coisas como resumir chamadas em tickets e uma automação mais ampla do call center. A IA de voz claramente vai soar mais humana. Se ela pode agir com base nos seus dados é uma questão separada que o Dessa ainda não responde.
- Qualquer pessoa preocupada com golpes por telefone: é uma preocupação justa. Uma palavra-código em família para chamadas inesperadas é um hábito de baixo custo para começar agora.
Experimente a eesel
Dessa mostra para onde a IA de voz está indo: mais humana, mais emocional e, eventualmente, local. A parte que ele ainda não alcançou, agir com base em dados reais da conta seguindo suas próprias regras, é o que o colega de equipe de IA para helpdesk da eesel já faz em tickets de e-mail e chat. Ele aprende com sua central de ajuda e seus tickets anteriores, pode consultar pedidos antes de responder e transfere para uma pessoa quando deve.
A SamCart usa um agente nos tickets do Freshdesk e outro no chat do site, respondendo com base em 280 artigos da central de ajuda. A Swiftreg tratou cerca de 2.100 tickets do Zendesk em um mês com base em dados de pedidos em tempo real, com cerca de 1.500 respostas públicas enviadas. Ambas operam nas filas que já tinham, sem precisar de lista de espera.
Se sua fila de tickets precisa de ajuda antes de a IA de voz amadurecer, experimente a eesel gratuitamente e teste primeiro com seus próprios tickets anteriores.