Dessa, a Voz de IA da Block que Ri e Chora como um Humano

Block, a empresa de pagamentos fundada por Jack Dorsey, acaba de revelar algo que vai além de um assistente de voz comum. O modelo é chamado Dessa, surgiu do laboratório de pesquisa da empresa e faz algo que a maioria dos concorrentes não consegue: soa genuinamente humano. Com risadas, pausas, suspiros e até o tom de alguém prestes a chorar, a tecnologia levanta tanto admiração quanto sérias preocupações sobre fraudes.

A novidade chega em um momento em que o mercado de inteligência artificial está em uma corrida intensa para tornar as interações de voz mais naturais. Mas enquanto a maioria dos modelos ainda converte fala em texto antes de processar a resposta, Dessa tenta algo diferente. E isso muda significativamente a equação.

Como Dessa Funciona e Por Que É Diferente

A maioria dos sistemas de voz de IA segue um caminho previsível: você fala, o modelo transcreve para texto, processa a informação, gera uma resposta em texto e, em seguida, a converte em áudio. É uma cadeia de múltiplas etapas, e cada etapa descarta nuances emocionais. O tom de impaciência na sua voz, a hesitação antes de uma pergunta, o sarcasmo sutil — tudo isso se perde na transcrição.

Dessa opera como um modelo de duplex completo, o que significa que fala e ouve simultaneamente, muito parecido com o GPT-Live da OpenAI lançado este ano. A diferença central que a Block afirma é que a emoção não é adicionada por meio de tags ou comandos externos. Ela está embutida no próprio modelo, treinado inteiramente com dados de fala humana real.

Em demonstrações publicadas pela equipe de pesquisa, o modelo adotou diferentes vozes, cadências e estados emocionais. Em uma conversa, Dessa disse que estava cansada após um dia de trabalho, e o tom soou efetivamente exausto. Em outra, ao falar sobre alguém que a fez sentir-se confortável, a voz ficou embargada, quase quebrando.

Funciona em um Laptop, Não em um Datacenter

Talvez os dados mais relevantes para o mercado tecnológico sejam a infraestrutura necessária. Dessa foi treinada em um único rack de GPUs NVIDIA e pode rodar localmente em um computador de consumo, como um MacBook com chip M4 Max ou superior. Isso é notável.

A maioria dos modelos de voz avançados depende de pesados servidores em nuvem, o que cria latência e altos custos. Um modelo que roda no dispositivo abre possibilidades para aplicações em tempo real, sem uma conexão constante à internet, e com custos operacionais drasticamente mais baixos. Para uma empresa como a Block, que já opera no universo de pagamentos e soluções para pequenas empresas, a implicação prática é direta: atendimento ao cliente automatizado de alta qualidade rodando no próprio dispositivo do comerciante.

A Square, o braço da Block focado em pequenas empresas, já utiliza IA de voz para gerenciar pedidos. Com Dessa, a empresa poderia elevar essa experiência a um nível em que o cliente nem percebe que está falando com uma máquina.

O Problema do Realismo Excessivo

E aqui reside o dilema que inevitavelmente acompanha esse tipo de avanço. Se uma IA soa indistinguível de um humano, as possibilidades de uso em fraudes crescem em proporção. Imagine receber uma ligação com a voz emocional de alguém pedindo ajuda, e essa voz é totalmente sintética.

A própria Block reconhece o risco. A empresa não liberou acesso público ao Dessa e publicou um chamado para pesquisadores de segurança testarem o modelo. O objetivo declarado é identificar cenários em que um agente de voz poderia enganar pessoas do outro lado da linha. É uma medida prudente, mas destaca o quanto a tecnologia avançou para um território delicado.

O mercado de deepfakes de áudio já causa perdas de bilhões de dólares. De acordo com a Comissão Federal de Comércio dos EUA, fraudes de imitação de voz causaram perdas de mais de 2,7 bilhões de dólares em 2023. Um modelo como Dessa, que adiciona camadas emocionais realistas, torna a detecção ainda mais difícil.

O Que Isso Significa para o Cenário de IA

A decisão da Block de entrar no jogo dos modelos de voz revela algo sobre a direção do mercado. As empresas de fintech não querem depender de fornecedores externos como OpenAI, ElevenLabs ou Google para funcionalidades críticas de atendimento ao cliente. Desenvolver modelos proprietários que rodem localmente é uma estratégia de redução de custos e, ao mesmo tempo, uma diferenciação competitiva.

A Block não é a primeira a trilhar esse caminho. Mas a abordagem de treinar exclusivamente com dados de fala humana, sem passar pelo intermediário do texto, pode representar um ponto de virada para a indústria. Se o modelo cumprir suas promessas em escala, a integração entre IA de voz e serviços financeiros entra em uma nova fase.

Por enquanto, Dessa permanece fechada. Não há um cronograma para lançamento público. Mas o fato de que um modelo com esse nível de expressividade roda em um laptop já conta uma história sobre para onde a tecnologia está indo. E sobre os riscos que vêm junto com isso.

Para o setor financeiro, a equação é clara: quem dominar a interface de voz com IA terá uma vantagem brutal em atendimento, custos e experiência do usuário. A questão que resta é se a regulamentação conseguirá acompanhar.