Джек Дорси (тот самый, который основал Twitter) снова в деле. Его компания Block выкатила голосовую ИИ-модель Dessa.

И знаете что? Это не очередной ChatGPT, который сначала пишет текст, а потом зачитывает его голосом робота.

Dessa — это чистая аудио-модель. Работает на входе и выходе только со звуком. Её обучали исключительно на живой человеческой речи, поэтому она звучит максимально естественно. В демках она считывает эмоции, слушает, перебивает (как живой человек) и даже делает паузы, чтобы подумать.

Самая мякотка: она умеет работать локально. Правда, для этого нужен MacBook Pro с чипом M4 Max или мощнее.

Почему это фича и почему я про это пишу:
Я сейчас пилю свой сервис «Вердикт», где нейросети помогают подбирать фильмы по настроению. И когда я смотрю на такие штуки, как Dessa, я сразу думаю: «А что если прикрутить такое к моему проекту?»

Представьте: сидишь вечером, а тебе не карточки показывает, а голосом общается виртуальный киноман. Перебиваешь его, говоришь «да не, хочу что-то более мрачное», а он в ответ шутит и подсовывает триллер. А ещё лучше — использовать её для вайбкодинга. Чтобы агент не просто код писал, а голосом комментировал, где я накосячил в архитектуре, или API_NOT_CONNECTED.

Пока доступ к Dessa закрыт, они проводят тесты. Но вектор понятен: будущее ИИ — за голосом и отсутствием задержек.

Следим за этим. Ну а пока мой OpenCode пишет код текстом, а я делаю вид, что всё под контролем.