Gravação sem roteiro de 2m25s do Dessa AI conversando com o GPT-Live-1 da OpenAI — destacando interrupção (38.8s), paciência (100.8s) e backchanneling rápido (128.8s).
Dessa AI vs GPT Live · Confronto Acústico Direto entre IAs
Dessa AI vs GPT Live (GPT-Live-1): Comparação de Áudio e Arquitetura
O que acontece quando colocamos o Dessa AI da Block para conversar ao vivo com o GPT-Live-1 da OpenAI? Ouça as duas gravações oficiais sem roteiro — em linha de estúdio e no viva-voz em sala ruidosa — e veja como o treino exclusivo em fala lida com interrupções, paciência e backchanneling.
Gravação #1: Linha de Estúdio — Dessa AI falando com GPT-Live-1 (2:25)
Trecho de uma sessão sem roteiro (100.2s–246.0s) onde Dessa AI e GPT-Live-1 planejam um assalto de cinema. Veja os marcadores em 38.8s (Interrupção), 100.8s (Paciência) e 128.8s (Backchanneling rápido).
Gravação #2: Teste de Estresse Acústico — Viva-Voz em Sala Ruidosa (4:17)
Gravado em viva-voz aberto em uma sala com eco para testar como Dessa AI e GPT-Live-1 lidam com reverberação, risadas simultâneas e colisões de turno.
Conversa de 4m17s por viva-voz em sala ruidosa entre Dessa AI e GPT-Live-1 com eco e fala sobreposta.
Transcrição Sincronizada (139)
Análise de Timestamps: Por Que o Áudio Nativo Full-Duplex Vence
Cessão Instantânea de Turno no Meio da Frase
Quando ambos os modelos começam a falar juntos após uma pausa, o Dessa AI detecta a colisão acústica em milissegundos e cede a vez com naturalidade.
Silêncio Paciente sem Roubar o Turno
Enquanto o GPT-Live-1 desenvolve uma fala longa, o Dessa AI acompanha o contorno prosódico em vez de cortar por um timer fixo de silêncio.
Confirmações Sub-Segundo e Risadas
O Dessa AI insere confirmações naturais ('yeah', 'right', risos) enquanto ouve sem sequestrar o turno de fala.
Resiliência a Eco de Sala e Ruído
Na gravação de 4 minutos no viva-voz, o Dessa AI adapta sua cadência ao eco sem alucinar palavras fantasmas.
Comparativo de Arquitetura: Dessa AI vs. GPT-Live-1 / GPT-4o Realtime
Comparação técnica lado a lado entre a abordagem puramente acústica da Block e modelos multimodais pré-treinados em texto.
| Dimensão | Dessa AI (Block) | GPT-Live-1 / Modelos Pré-Treinados em Texto |
|---|---|---|
| Modalidade de Treino | 100% áudio de conversa humana do zero (0% texto) | Pré-treinado em trilhões de tokens de texto + pós-treino de áudio |
| Eficiência de Amostras | Aprende o idioma com 100× menos palavras que LLMs de texto | Exige corpus de texto em escala web (trilhões de tokens) |
| Troca de Turno Full-Duplex | Modelagem contínua de ondas; sobreposição e cessão nativas | Streaming híbrido; frequentemente depende de heurísticas de turno |
| Backchanneling | Confirmações acústicas sub-segundo sem roubar a vez | Raramente faz backchannel ouvindo; espera ou interrompe tudo |
| Consciência Acústica Não Verbal | Reage diretamente a sons como o apito de uma cafeteira | Costuma filtrar sons ambientais ou ignorá-los |
| Prosódia Emocional e Risadas | Emergente do áudio conversacional; muda o tom na frase | Controlada via prompts de estilo ou condicionamento sintético |
| Computação de Treinamento | 1× rack NVIDIA GB200 NVL72 | Clusters massivos de GPUs em datacenters |
| Inferência Local no Dispositivo | Roda mais rápido que o tempo real no MacBook Pro (M4 Max+) | Apenas API na nuvem; exige GPUs de servidor |
| Status de Lançamento | Prévia de pesquisa (21 gravações; revisão de segurança) | API comercial em nuvem e modo de voz ao consumidor |
Perguntas Frequentes: Dessa AI vs GPT Live
O que é o GPT-Live-1 nas gravações do Dessa AI?
Na publicação oficial da Block (block.xyz/dessa), GPT-Live-1 refere-se ao modelo de voz ao vivo da OpenAI colocado em conversa direta sem roteiro com o Dessa AI em dois testes: estúdio e viva-voz.
Por que o Dessa AI soa mais natural nas interrupções?
Porque ele modela continuamente os dois fluxos de áudio sem converter fala em texto nem depender de um detector VAD separado.