A Block apresentou o Dessa, modelo de IA de voz treinado apenas com fala humana, segundo a empresa. A proposta é conversar com pausas, interrupções e entonações mais naturais, como descreve o anúncio oficial.

O anúncio ocorreu em 23 de outubro e ganhou nova cobertura em 24 de outubro. Esta é nossa leitura da novidade e do debate sobre confiança que ela provoca.

O que o Dessa faz de diferente?

Segundo a Block, o Dessa recebe e produz áudio diretamente, sem texto nem modelos pré-treinados no treinamento. Ele pode ouvir e falar ao mesmo tempo, característica chamada full-duplex.

A empresa afirma que ele roda localmente em um MacBook Pro M4 Max ou superior. Também diz ter treinado o modelo em um sistema NVIDIA GB200 NVL72. São declarações do fabricante, sem teste próprio do ibe.IA.

Na avaliação publicada pelo The Verge, as conversas divulgadas têm uma troca relativamente natural, mas também momentos estranhos. O veículo relata uma confusão com o nome do interlocutor e uma mudança inesperada de assunto ao falar de filmes.

Esses exemplos ajudam a separar duas coisas: soar convincente e responder corretamente. Uma conversa pode acertar o ritmo e ainda perder o contexto.

Já dá para usar no atendimento da empresa?

A página oficial anuncia acesso antecipado para um grupo pequeno de pesquisadores de segurança. Isso não equivale a disponibilidade geral. Nesta apuração, não encontramos preço, API pública ou garantia de funcionamento em português.

O uso comercial de voz com IA já tem exemplos concretos no próprio grupo. A documentação da Square nos Estados Unidos descreve um atendimento que recebe pedidos por telefone e os encaminha ao sistema do estabelecimento.

O cliente pode fazer pedido para retirada, receber o cardápio por mensagem e pagar online. O lojista pode consultar resumos das chamadas e revisar as conversas. O recurso depende de plano elegível e configuração do número comercial.

Esse produto serve como referência de aplicação. A documentação consultada não identifica o Dessa como seu motor, nem comprova uma integração entre os dois.

Por que uma voz mais humana preocupa?

O risco de usar voz artificial para enganar pessoas já era documentado antes deste anúncio. Em alerta de 2023, a FTC explicou como golpistas podem usar um trecho de áudio para imitar a voz de um familiar e pedir dinheiro em uma falsa emergência.

A orientação da agência é confirmar a história por outro contato conhecido. Reconhecer o timbre de uma pessoa, sozinho, não autentica quem está ligando.

Há também pesquisa sobre agentes que conversam para executar fraudes. Em um estudo submetido em outubro de 2024, Richard Fang, Dylan Bowman e Daniel Kang construíram agentes de voz orientados a realizar golpes comuns. Os autores relatam que eles conseguiram executar ações necessárias a esses golpes em experimentos.

Isso é contexto sobre a categoria, não uma acusação contra o Dessa. As fontes consultadas não demonstram que esse modelo foi usado em fraude ou que clone a voz de qualquer pessoa a partir de uma amostra.

O que essa notícia muda para quem usa IA no negócio?

Minha leitura é que a qualidade da voz precisa ser avaliada junto com o que o sistema pode fazer. Uma entonação acolhedora não prova que um pedido foi registrado corretamente.

Num exemplo hipotético, um restaurante testa um atendente de voz. Além de ouvir se a conversa parece natural, o teste confere se o pedido chegou à cozinha, se a alteração foi registrada e se o cliente conseguiu chamar uma pessoa.

A documentação da Square oferece justamente registros que permitem revisar chamadas. O estudo sobre golpes mostra por que a conversa também precisa ser avaliada pelo objetivo que executa. São dois critérios úteis para analisar a próxima demonstração que aparecer: resultado verificável e possibilidade de revisão.

Para entender onde a IA pode entrar na operação da sua empresa, a Formação em IA para Negócios do ibe.IA apresenta aplicações em áreas como atendimento, marketing e análise de dados.

Mais análises e exemplos estão no Instagram do ibe.IA, @ibe.ia.

Fonte