23 октября 2026 года финтех-компания Block, которой руководит Джек Дорси, представила голосовую нейросеть Dessa. Модель обучали только на записях живой речи, без единого текста. В этом материале CyberMeta разобралась, что такое Dessa и где её можно будет запустить, чем она отличается от ChatGPT и других голосовых ассистентов, насколько обоснованы опасения насчёт мошенников и как защититься от ИИ-звонков.
Что такое Dessa и как её запустить?
Dessa – экспериментальная речевая модель от Block. Компания Дорси раньше называлась Square и известна платёжными сервисами Square и Cash App. Над моделью работает небольшая исследовательская команда во главе с Рагаваном Турайратнамом, которая, по данным Crypto Briefing, подчиняется напрямую Дорси.
Block называет новую Dessa «самой аутентичной полнодуплексной речевой моделью из когда-либо созданных». По словам компании, модель сама решает, что сказать, когда вступить в разговор и каким голосом и тоном ответить. На опубликованных записях Dessa обсуждает фильмы, реагирует на личные истории собеседника, играет в угадайку и даже беседует с голосовой моделью OpenAI GPT-Live-1. Она вставляет «ага» и «ого», чтобы показать интерес, смеётся посреди фразы в ответ на шутку и говорит тише или громче по просьбе собеседника. Часть этих навыков модели специально не прививали – она подхватила их из записей разговоров.
В открытом доступе Dessa на момент написания материала нет: Block дала ранний доступ небольшой группе исследователей безопасности ИИ, которые подают заявку с рабочей почты научной организации, остальным же доступен лист ожидания. Дату широкого запуска, цену, веса модели и результаты бенчмарков компания не раскрывала.
Чем Dessa отличается от ChatGPT и других ИИ?
Большинство голосовых ассистентов работают в три этапа: переводят речь собеседника в текст, обрабатывают его языковой моделью и озвучивают ответ синтезатором. На этом пути теряется всё, что не передаётся словами: интонация, паузы, смех, раздражение. К тому же ассистент обычно ждёт, пока человек договорит.
Dessa работает со звуком напрямую. Это модель формата speech-to-speech с полным дуплексом: она слушает и говорит одновременно, как человек в живом разговоре, может перебить собеседника или поддакнуть ему.
| Параметр | Классический голосовой ассистент | Dessa |
| На чём обучен | В основном на текстах | Только на записях живой речи |
| Как обрабатывает речь | Речь → текст → ответ → синтез речи | Сразу звук в звук |
| Может перебить и поддакнуть | Обычно нет | Да |
| Распознаёт эмоции по голосу | Частично | Смех, сарказм, раздражение, грусть |
| Где работает | В облаке | Локально на MacBook Pro с M4 Max |
Младенцы учатся говорить задолго до того, как видят написанное слово, и команда хотела проверить, сможет ли так же научиться ИИ. По словам Block, модель освоила язык на словарном запасе в сотни раз меньшем, чем нужен текстовым нейросетям. Обучали её всего на одной системе NVIDIA GB200 NVL72. Подробного сравнения и числа параметров компания не раскрыла.
Отдельно Block делает акцент на эмоциях. Команда считает, что ИИ становится всё мощнее и самостоятельнее, но остаётся «почти глухим к эмоциям в нашем голосе». По задумке разработчиков, модель, которая слышит отчаяние или раздражение, сможет правильнее реагировать в чувствительных ситуациях. К слову, полнодуплексные голосовые модели появлялись и раньше. В 2024 году французская лаборатория Kyutai показала Moshi, которую создатели называли первой полнодуплексной голосовой языковой моделью. Однако Moshi построена на текстовой языковой модели Helium и перед каждым фрагментом речи сначала генерирует текст – так называемый «внутренний монолог». Dessa, по словам Block, обучили с нуля без текста.
Почему Dessa связывают с мошенниками и как защититься?
ИИ в мошеннических схемах сегодня исппользуется весьма активно. По словам замдиректора по продуктам VisionLabs Татьяны Дешкиной, для клонирования голоса (в контексте дипфейков) может хватить записи длиной около 20 секунд. Согласно исследованию «Ростелекома», в первом полугодии 2025 года число случаев мошенничества с дипфейками в России выросло в 2,3 раза. При этом их доля в общем объёме мошенничества пока не превышает 1%.
Теоретически модель вроде Dessa может сделать такие звонки убедительнее. Она не делает неловких пауз, не ждёт своей очереди, умеет перебить и подстроиться под эмоции собеседника, а именно по этим признакам люди сейчас часто узнают робота. Возможность работать локально, без облака, означает, что такую модель сложнее контролировать.
Однако громкие заявления о «новой эре скама» пока опережают реальность. Dessa не клонирует голоса: она говорит собственным голосом, и о подделке голоса конкретного человека Block ничего не заявляла. Для звонков «от имени родственника» мошенникам по-прежнему нужны отдельные инструменты клонирования голоса, и они существуют уже несколько лет. Кроме того, у Dessa нет ни открытого кода, ни публичного приложения. Независимых тестов тоже нет: демо-записи выбирала сама Block, и даже на них модель иногда путает собеседников, неожиданно меняет тему и звучит неловко. Даже если голос в трубке звучит естественно, базовые правила безопасности не меняются. Банк России и эксперты советуют:
- не переводить деньги по просьбе звонящего, даже если голос кажется знакомым, а сначала перезвонить человеку напрямую;
- договориться с близкими о кодовом слове на случай срочных просьб о деньгах;
- не называть коды из СМС, пароли и данные карт по телефону, даже если собеседник представляется сотрудником банка или полиции;
- класть трубку, если на вас давят и требуют действовать немедленно;
- не выкладывать в открытый доступ длинные записи своего голоса.
Dessa пока остаётся экспериментальной разработкой, и неизвестно, когда и в каком виде она станет доступна. Но направление очевидно: голосовые ИИ становятся всё естественнее, и отличить их от живого собеседника по манере речи будет всё сложнее.
Что думаете про Dessa? И как считаете, станут ли такие нейросети новым оружием мошенников? Делитесь мнением в комментариях и следите за новостями технологий на CyberMeta!
