Dessa, a voz de IA da Block que ri e chora como humano
Novo modelo de voz da empresa de Jack Dorsey roda localmente, dispensa conversão em texto e levanta debate sobre riscos de golpes com IA.
A maioria dos modelos de voz com inteligência artificial ainda funciona de um jeito frustrante: transforma sua fala em texto, processa o texto num modelo de linguagem e devolve uma resposta sintetizada. No caminho, perde entonação, emoção, pausas e tudo aquilo que torna uma conversa humana. A Block, empresa de pagamentos fundada por Jack Dorsey, decidiu atacar exatamente esse problema.
O laboratório de pesquisa da companhia apresentou o Dessa, um modelo de voz treinado inteiramente em fala humana que é capaz de rir, chorar, fazer pausas dramáticas e modular a cadência conforme o contexto emocional da conversa. Não se trata de um assistente que lê respostas em voz alta. É uma IA que soa como gente, e isso é ao mesmo tempo impressionante e preocupante.
Como o Dessa funciona sem depender de texto
A grande diferença técnica do Dessa está na arquitetura. Modelos concorrentes, como o ElevenLabs v4 ou o Fish Audio Drama 3, usam marcações de texto para controlar emoções na geração de voz. São instruções do tipo “fale com tom triste aqui”. O Dessa, segundo a Block, tem a emoção integrada ao próprio modelo. A empresa alega que não há pipeline de texto intermediário ditando como a voz deve soar.
O modelo opera em modo full-duplex, o que significa que consegue falar e ouvir ao mesmo tempo, algo semelhante ao que a OpenAI oferece com o GPT-Live. Em conversas de demonstração publicadas pela equipe de pesquisa, o Dessa alternava entre vozes, cadências e estados emocionais diferentes. Num dos exemplos, o agente disse estar cansado do trabalho e sua voz efetivamente transmitia exaustão. Em outro, pareceu se emocionar ao falar sobre como o interlocutor o fazia sentir-se confortável.
Do ponto de vista de infraestrutura, o modelo roda localmente em um único rack de GPU NVIDIA e pode funcionar até em computadores de consumo, como um MacBook com chip M4 Max ou superior. Rodar no dispositivo, sem depender de servidores na nuvem, reduz latência e custo operacional, dois fatores críticos para quem pensa em escalar soluções de voz em produtos comerciais.
O interesse estratégico da Block em voz com IA
A Block não é uma startup de IA. É uma empresa de serviços financeiros que fatura bilhões com pagamentos via Square e transferências pelo Cash App. Então por que investir pesado em um modelo de voz próprio?
A resposta está na redução de custos e no controle da experiência. A Square já utiliza voz artificial para processar pedidos em estabelecimentos comerciais. Com um modelo proprietário que roda on-device, a empresa pode eliminar a dependência de fornecedores terceiros de IA e integrar a tecnologia diretamente em seus terminais de pagamento e ferramentas para pequenos negócios. Como discutimos em análises anteriores sobre IA e negócios, o movimento de grandes empresas internalizando modelos de IA em vez de depender de APIs externas é uma tendência clara em 2025.
Para a Block, oferecer atendimento por voz natural em restaurantes, lojas e serviços poderia transformar a experiência do pequeno comerciante. Um atendente virtual que soa humano e responde com naturalidade tem potencial de substituir centrais de atendimento inteiras, reduzindo custos operacionais de maneira significativa.
Por que uma IA que soa humana demais assusta
A capacidade do Dessa de replicar emoções humanas levanta questões sérias sobre uso malicioso. Uma voz artificial indistinguível de uma voz real é a ferramenta perfeita para golpes por telefone. Imagine receber uma ligação de alguém que soa exatamente como um parente pedindo dinheiro, com pausas nervosas e tom de urgência. Já vimos casos documentados de fraudes com deepfake de voz causando prejuízos milionários em empresas.
A própria Block parece consciente do risco. A empresa não disponibilizou o Dessa ao público e publicou um chamado para pesquisadores de segurança testarem o modelo antes de qualquer lançamento comercial. O objetivo declarado é avaliar cenários em que o agente de voz poderia enganar pessoas do outro lado da linha.
Esse cuidado é necessário, mas não resolve o problema estrutural. Se a Block conseguiu criar um modelo assim com uma única rack de GPUs NVIDIA, é questão de tempo até que modelos similares ou superiores surjam em código aberto. A corrida por regulação de deepfakes de voz ainda está nos estágios iniciais na maioria dos países, incluindo o Brasil, onde fraudes financeiras por engenharia social já representam perdas bilionárias anuais.
O que muda no mercado de IA de voz
O Dessa não é o primeiro modelo a soar convincente, mas representa um avanço importante por três motivos. Primeiro, por dispensar a etapa de conversão para texto, preservando informações emocionais que outros modelos descartam. Segundo, por rodar localmente em hardware acessível, o que democratiza o acesso à tecnologia. Terceiro, por vir de uma empresa com casos de uso comerciais concretos, não de um laboratório acadêmico.
O mercado global de IA de voz movimentou cerca de US$ 8,3 bilhões em 2024, segundo estimativas da Grand View Research, com projeção de crescimento anual superior a 23% até 2030. Empresas como OpenAI, Google e Amazon disputam esse espaço. A entrada da Block com modelo próprio sinaliza que o setor de fintech vê na voz artificial não apenas uma ferramenta auxiliar, mas um diferencial competitivo central.
Para quem acompanha o setor de tecnologia, o recado é claro: a próxima interface dominante entre humanos e máquinas provavelmente não será uma tela. Será uma conversa. E quanto mais natural essa conversa soar, mais difícil será distinguir quem está do outro lado.
Este conteúdo é informativo e educacional e não constitui recomendação de investimento. Rentabilidade passada não é garantia de resultados futuros.
