Block vừa ra mắt Dessa, một AI giọng nói nghe gần như con người, được huấn luyện hoàn toàn bằng giọng nói và có thể chạy cục bộ trên MacBook Pro. Phản ứng từ cộng đồng chia làm hai luồng: trầm trồ thán phục và cảnh báo nó có thể bị lợi dụng để thực hiện các cuộc gọi lừa đảo tinh vi. Điều này quan trọng vì một giọng nói AI chân thực đến vậy sẽ thay đổi cách con người phân biệt mình đang nói chuyện với người thật hay máy móc.
Chuyện gì đã xảy ra
Block, công ty thanh toán do Jack Dorsey điều hành, công bố Dessa như một bản xem trước nghiên cứu (research preview) vào ngày 24/10/2026. Mô hình được huấn luyện hoàn toàn trên dữ liệu giọng nói của con người, không phải văn bản, và có khả năng vừa nghe vừa nói cùng lúc, xử lý được cả những lúc bị ngắt lời hay tiếng cười trong thời gian thực, theo thông báo của Block. Dorsey viết trên X rằng trò chuyện với Dessa "giống như nói chuyện với một con người... đầy cảm xúc, sắc thái, những khoảng ngừng và nhịp điệu tự nhiên." Block huấn luyện Dessa từ đầu trên một hệ thống Nvidia GB200 NVL72 duy nhất, và mô hình có thể chạy cục bộ trên MacBook Pro trang bị chip M4 Max trở lên. Người dùng X là Alexander Hoff và Hesamation nhận xét các bản demo tự nhiên đến mức đáng kinh ngạc, trong khi đạo diễn Justine Bateman và nhà báo Shiv Aroor cảnh báo sự chân thực này có thể tiếp tay cho các hành vi lừa đảo và gọi điện giả mạo. Nhà sáng lập Binance, Changpeng "CZ" Zhao, thì gợi ý có thể ứng dụng công nghệ này vào giáo dục trẻ em thông qua dự án GiggleAcademy của ông.
Bối cảnh câu chuyện
Phòng nghiên cứu AI của Block báo cáo trực tiếp cho Dorsey và có sự tham gia của các nhân sự từng thuộc Dessa, một startup ở Toronto mà Square đã mua lại vào năm 2020. Đó cũng là lý do mô hình mang tên Dessa và lý giải vì sao phòng nghiên cứu này từ lâu đã quan tâm đến công nghệ giọng nói. Hầu hết trợ lý giọng nói AI hiện nay chuyển giọng nói thành văn bản, tạo câu trả lời, rồi chuyển ngược lại thành âm thanh, một quy trình làm mất đi tông giọng và nhịp điệu tự nhiên. Dessa xử lý âm thanh trực tiếp, bỏ qua bước chuyển đổi đó. Đây là bước đi tiếp theo trong xu hướng các công cụ giọng nói AI ngày càng đủ tốt để giả mạo giọng người thật, điều đã từng bị lợi dụng trong các vụ lừa đảo qua điện thoại và video được ghi nhận trong năm 2026.
Vì sao điều này quan trọng với bạn
Với các nhà phát triển, Dessa là tín hiệu cho thấy AI hội thoại đủ nhỏ gọn để chạy trên thiết bị tiêu dùng đang ngày càng trở nên chân thực, điều đáng lưu ý với bất kỳ ai đang thiết kế giao diện giọng nói cho thiết bị đeo hay kính thông minh. Với người dùng, giọng nói AI càng tự nhiên thì càng ít manh mối để phân biệt người thật với máy khi nghe điện thoại. Với Block, bản xem trước nghiên cứu này giúp định vị phòng AI của họ như một đối thủ đáng gờm ngoài mảng thanh toán, dù chưa cam kết ra sản phẩm hay thời điểm cụ thể. Hiện chưa có benchmark, kích thước mô hình hay ngày phát hành nào được công bố, nên hiệu năng thực tế vẫn chưa được kiểm chứng ngoài các bản demo của công ty.
Câu hỏi lớn hơn
Nếu giọng nói AI trở nên không thể phân biệt được với con người, liệu việc bắt buộc công bố rằng người dùng đang nói chuyện với máy có nên trở thành quy định bắt buộc, và ai sẽ là đơn vị thực thi điều đó?
Những điều cần theo dõi
Block hiện chỉ cấp quyền truy cập sớm cho một nhóm nhỏ các nhà nghiên cứu an toàn AI, chưa có ngày phát hành công khai, kết quả benchmark hay kích thước mô hình nào được tiết lộ. Hãy theo dõi xem liệu Block có công bố các bài kiểm định độc lập hay không, và liệu dự án GiggleAcademy của CZ có theo đuổi việc ứng dụng Dessa vào giáo dục trẻ em hay không. Bất kỳ đợt triển khai nào cho người dùng phổ thông cũng sẽ là cột mốc cụ thể tiếp theo cần quan sát.
