في 23 أكتوبر 2026 أعلن جاك دورسي، الشريك المؤسس لشركة Block المالية، عن إطلاق مختبر أبحاث الشركة نموذجاً صوتياً جديداً اسمه Dessa يصفه فريقه بأنه «أصح نموذج كلام مزدوج الاتجاه بُني على الإطلاق». الجملة التي تستحق التوقف ليست صفة «الأصح» التسويقية، بل ما تحتها: هذا النموذج لم يتعلم من نص واحد في حياته. كل ما يعرفه — اللغة والحقائق ونبرة الصوت والضحك والتنهد — جاءه من محادثات بشرية مسجلة، معالجة كصوت خالص من أول بايت إلى آخره. وفي عالم تبني فيه كل أدوات الصوت الحالية على تحويل كلامك إلى نص أولاً ثم توليد الصوت من النص، فهذا انحياز هندسي كامل الاتجاه، ويستحق أن يفهمه كل من يصنع محتوى صوتياً أو يتابع مستقبل الأصوات الاصطناعية.
بوست الإعلان الرسمي من حساب جاك دورسي على منصة X بتاريخ 23 أكتوبر 2026.
هذا الدليل يشرح ما هو Dessa بالضبط، وكيف يعمل، ولماذا اختار فريق Block هذا الطريق الشاق بدل الطريق النصي المريح، وماذا يعني ذلك واقعياً لصانع المحتوى العربي — مع توضيح صريح منذ البداية: النموذج غير متاح للجمهور اليوم، لا يمكن تجربته ولا استخدامه في عملك الحالي، وكل ما حوله حتى الآن هو عروض توضيحية رسمية وبرنامج وصول مبكر باحثي. سنقولها مرة أخرى في قسم الحدود لأن صدق المعلومة هنا أهم من حماس الخبر.
ما هو Dessa ومن يقف خلفه؟
Dessa هو ثمرة مختبر أبحاث صغير داخل Block — الشركة الأم لمنصة Square للمدفوعات — ويقوده الباحث راغافان ثوراياراتنام الذي يرفع تقاريره مباشرة إلى جاك دورسي نفسه. والاسم ليس جديداً على عالم الذكاء الاصطناعي: الفريق مؤسس من قدامى شركة Dessa الكندية الناشئة من تورونتو، التي اشترتها Square عام 2020، والذين يبنون نماذج تعلم عميق منذ 2012 ونماذج كلام توليدية منذ أكثر من ثماني سنوات. هذه ليست شركة ناشئة تبحث عن ضجة إعلامية، بل فريق هندسي صغير يتبنى أطروحة بحثية واضحة: أن الصوت — لا النص — هو الواجهة الطبيعية للذكاء، وأن معظم أدوات الصوت الحالية تهدر أهم ما فيه.
الأطروحة مكتوبة بلغة حادة في الصفحة الرسمية للنموذج. الفريق يقول حرفياً إن التفاعل مع أدوات الصوت الحالية «يمكن أن يكون سيئاً بشكل صريح» لأنها تحول صوتك إلى نص وترمي كمية هائلة من المعلومات التي لا يستطيع النص حملها، ويتساءلون: كيف لأقوى أنظمة الذكاء الاصطناعي في العالم ألا تسمع شعورك في صوتك؟ في تصورهم هذه ليست مجرد إزعاج تجربة مستخدم، بل مشكلة أمان حقيقية — تخيل ألماً شديداً وصوت آلي لا يلتفت إليك ويواصل روتينه. Dessa في نظرهم خطوة نحو معالجة هذه المشكلة من الجذر.
كيف يعمل: صوت إلى صوت، بلا نص في الأنابيب
لفهم حجم الاختلاف، لا بد من تشريح الطريقة السائدة. أغلب المساعدين الصوتيين اليوم — من المساعدين في هواتفنا إلى أدوات توليد التعليق الصوتي — يعملون بسلسلة ثلاثية: يحوّلون كلامك إلى نص عبر نظام تعرف كلام، ثم يفكر فيه نموذج لغوي نصي، ثم يحوّل النص الناتج إلى صوت عبر نظام توليد كلام. كل انفعال حقيقي في صوتك — التردد، السخرية، اللهفة، الانكسار — يتبخر في الخطوة الأولى، لأن النص لا يحمل هذه الأشياء. لهذا تبدو الأصوات الناتجة مرتبة وميتة معاً، ولهذا تحتاج بعض الأدوات إلى «وسوم صوتية» تكتبها يدوياً لتطلب نبرة معينة، كما يفعل مثلاً ElevenLabs في إصداراته الحديثة وأنظمة مماثلة.
Dessa يلغي الأنابيب النصية كلياً. هو نموذج «صوت إلى صوت» يتدرب على المحادثة مباشرة: يستمع ويتحدث في اللحظة ذاتها (نموذج مزدوج الاتجاه أو full-duplex)، تماماً كما يحدث بين بشرين يتحدثان ويسمعان بعضهما في نفس المللي ثانية. والنتائج الموثقة في العروض الرسمية تكشف سلوكيات لم يبرمجها أحد: يضحك في منتصف الجملة لحظة أن يطرف شيء مسلياً — بينما تنتظر الأنظمة الأخرى حتى تفرغ من الكلام ثم تضحك ضحكة مجدولة. يرفع صوته حين تطلب منه أن يتكلم بصوت أعلى دون أن يعاد تدريبه على ذلك. يقاطع بأدب حين ينبغي، ويصدر إشارات استماع مثل «نعم!» و«فهمت!» لتشعر أن من يحدثك معك فعلاً. وفي أحد العروض الرسمية يسأله أحد أفراد الفريق عن ذكرى، فيتنهد «يا إلهي» بصوت خافت ثم يجيب بنبرة امتنان يكاد الغصة تقطعها.
عروض موثقة تكشف «شخصية» النموذج
الصفحة الرسمية تعرض أكثر من عشرين مقطعاً صوتياً حقيقياً — كلها تسجيلات حية لأشخاص يحدثون النموذج، وبحسب الفريق لا أحد يوجهه: هو من يقرر ماذا يقول ومتى وبأي نبرة وحتى بأي شخصية صوتية. بين المقاطع: محادثة عن الإطلاق نفسه يضحك فيها النموذج في منتصف الجملة كضحك البشر لا بعدها؛ وشخص ينسى اسم فيلم فيكمل النموذج الجملة — ومفاجأة تذكارية يتنفس فيها «يا إلهي» بصوت مسموع ثم يجيب بامتنان يقطر من نبرته؛ ولعبة تخمين يلعبها أحد أعضاء الفريق اسمها كارا فيصيب النموذج الجولة الأولى مباشرة؛ ومشورة حياتية يبدو فيها مصغياً بتعاطف حقيقي؛ ومقطع يتحدث فيه بسرعة وطبقة صوت تتبدلان بمدى واسع داخل الجملة الواحدة. جمع هذه العروض تحت سقف واحد هو أقرب إلى عرض أطروحة علمية منه إلى إعلان منتج — وهذا بحد ذاته رسالة عن نضج الفريق.
لماذا اختار الفريق الطريق الأصعب؟
قد يبدو التدريب على الصوت وحده تعقيداً بلا داعٍ — النص موجود وجاهز، فلماذا لا نستخدمه؟ إجابة الفريق التقنية تستحق التأمل لأنها تكشف حجم التحدي الذي اختاروه عن بصيرة. الكلام البشري لا يتكرر: انطق الجملة نفسها مرتين بالطريقة نفسها وسيخرج التسجيلان مختلفين في الموجة الصوتية، بينما النص متطابق دائماً مهما اختلف كاتبه. والكلمة المنطوقة الواحدة تستهلك آلاف أضعاف بايتات نظيرتها المكتوبة. فوق ذلك، على النموذج أن يتعلم من الصوت وحده ليس الكلمات فحسب، بل كل ما يحيط بها ويغير معناها: اللهجات والوقفات والتنفس والسخرية والفكاهة والنبرة والانفعال ولحظة مقاطعة الحديث. جملة مثل «لم أقل إنها أخذت الكود» تحمل سبعة معانٍ مختلفة حسب الكلمة التي تشدد عليها — والنص المسطح يفقد ستة منها بالكامل. لذلك يصف الفريق مهمة من يتعلم الكلام بلا نص بأنها «قاسية»، ويشبهونها بطفل يتعلم الكلام بالاستماع دون أن يرى كلمة مكتوبة واحدة — ويقولون بصراحة إنهم توصلوا للحل بعد عناء، مستخلصين نهجاً يدرّب النموذج كاملاً على جهاز واحد.
الأرقام التي ذكرها الفريق رسمياً
- التدريب على صوت فقط: لا نص، لا نماذج مدربة مسبقاً — كل المعرفة من محادثات مسجلة، وقد تعلم اللغة من كمية كلمات أقل بمئات المرات مما تحتاجه النماذج النصية الضخمة.
- عتاد تدريب متواضع بمقاييس 2026: جهاز NVIDIA GB200 NVL72 واحد فقط — وهو إنجاز لوجستي حين نعرف أن تدريب النماذج النصية الكبرى يستهلك مراكز بيانات كاملة.
- تشغيل محلي: يستطيع العمل على حاسوب MacBook Pro بمعالج M4 Max أو أفضل، بسرعة استدلال أسرع من الزمن الحقيقي — أي بلا فجوات انتظار محرجة في المحادثة.
- محادثة مع نموذج آخر: من العروض الرسمية محادثة كاملة بين Dessa ونموذج GPT-Live من OpenAI بصوتين مولدين بالكامل، بتحفظ رسمي أن مطور GPT-Live ليس له علاقة بالعرض.
ماذا يعني هذا لك كصانع محتوى؟ قراءة صريحة
هنا يجب أن نضع الأناقة الهندسية جانباً ونسأل سؤال مهنتنا: ماذا يغير هذا في عملي؟ الإجابة الصادقة اليوم: لا شيء مباشراً — النموذج غير متاح، ولا توجد واجهة استخدام ولا واجهة برمجية ولا أسعار. لكن الإجابة الأهم على مدى أشهر: كثير، لأن Dessa يجسد تحولاً بنيوياً في مسار تقنية الصوت سيمس عملك حتماً عبر ثلاث قنوات:
- مصداقية عاطفية للأصوات المولدة: أكبر عيب يفضح الصوت الاصطناعي في المحتوى العربي هو تسطيح الانفعال — تعليق صوتي «ينطق» النص ولا «يقوله». إن أثبت نهج الصوت الخالص جدواه، فالجيل القادم من أدوات التعليق الصوتي والدوبلاج سيحمل نبرة حية بلا وسوم يدوية، وسينخفض الفارق المسمعي بين راوٍ بشري وصوت مولد إلى درجة تتطلب أذناً مدربة. من يبني اليوم هوية صوتية لمحتواه عليه أن يعلم أن سقف الجودة سيرتفع قريباً، وأن أدواته الحالية ستتقادم جيلاً كاملاً.
- اللهجات العربية: النماذج النصية تتعامل مع العربية بمنطق لغة موحدة مكتوبة، بينما يعيش جمهورك الفعلي في لهجات منطوقة لا تُكتب إلا مضطرة. نموذج يتعلم من الصوت وحده لا يحتاج قواعد مكتوبة للهجة كي يتقنها — يكفي enough تسجيلات حقيقية. هذه ليست وعوداً من Block — عروض Dessa الحالية إنجليزية ولم تعلن الشركة أي خطة لغات — لكنها قراءة تقنية مباشرة لما يجعله هذا النهج قابلاً له: أول طريق هندسي واقعي نحو أصوات تفهم لهجتك كما يتحدثها الناس لا كما تكتبها المعاجم.
- تكلفة الوكلاء الصوتيين: إذا استطاع نموذج محادثة كامل أن يعمل على لابتوب، فاتجاه الاقتصاد واضح: خدمة عملاء صوتية وبودكاست تفاعلي وتجارب صوتية للجمهور دون فاتورة سحابية تنمو مع كل دقيقة. Block نفسها تشير إلى أن منصة Square تستخدم صوتاً آلياً في الطلبات اليوم، وأن نموذجاً محلياً يفتح تجارب أكثر بكلفة أقل. لصانع المحتوى الريادي، الوكلاء الصوتيون هم قناة توزيع قادمة — فكّر في وكيل صوتي يقدم بودكاستك أو يستقبل أسئلة جمهورك.
مقارنة سريعة: أين يقف Dessa من الأدوات المتاحة فعلاً؟
| النظام | المدخل | العاطفة | متاح للجمهور؟ | مناسب اليوم لصانع المحتوى؟ |
|---|---|---|---|---|
| Dessa (Block) | صوت خالص — لا نص | مدمجة في النموذج نفسه | لا — وصول مبكر للباحثين فقط | لا يمكن استخدامه بعد |
| GPT-Live (OpenAI) | أنبوب نصي داخلي | جيدة ومتحكم بها | نعم داخل تطبيق ChatGPT | محادثات صوتية لا إنتاج تعليق |
| ElevenLabs v4 وأمثالها | نص مع وسوم صوتية | بوسوم يدوية ومحدودة | نعم — واجهة وAPI | خيار عملي للتعليق الصوتي متعدد اللغات |
| Voxtral 3 (Mistral) | تفريغ وتوليد كلام | احترافية هادئة | نعم — API تجاري | يدعم العربية بلهجات ويصلح للإنتاج اليوم |
الخلاصة العملية من الجدول: للاستخدام الإنتاجي اليوم، أدوات مثل Voxtral 3 من Mistral الذي يدعم العربية بلهجات خليجية وفصحى أو حلول ElevenLabs هي الخط العاملة، وقد غطينا سابقاً أيضاً استوديو الصوت من جوجل في Gemini مع أصوات عربية حين صدروا نظامهم لتوليد الكلام. أما Dessa فهي نافذة على الجيل التالي، وليست أداة في صندوق أدواتك — بعد.
حدود وعيوب صادقة — اقرأها قبل أي حماس
- لا وصول عام: لا تطبيق، لا واجهة برمجية، لا أسعار، لا موعد إطلاق معلن. الصفحة الرسمية تفتح قائمة انتظار وطلب وصول مبكر مخصص «لمجموعة صغيرة من باحثي أمان الذكاء الاصطناعي» ببريد مؤسسي وروابط أعمالهم. كل ما عداه وعود عرضية.
- العروض الحالية إنجليزية: لا يوجد في أي مصدر رسمي ذكر للعربية أو أي لغة أخرى، ولا ادعاء تعدد اللغات. أي توقع عن ديسا و«اللهجات العربية» في هذه المرحلة استقراء منا نحن — صريح أعلاه — وليس خبراً عن الشركة.
- مخاوف الأمان جدية هنا أكثر من أي وقت: صوت يفهم الانفعال ويبادله هو أيضاً صوت أقدر على التلاعب العاطفي، والفريق نفسه يعترف بذلك ويستدعي باحثين خارجيين لاكتشاف مخاطر لم يتوقعوها. التقنية التي تسمع حزنك تستطيع أن تتقن التأثير فيه.
- طريق طويل من المختبر إلى المنتج: نموذج محادثة بحثي لا يعني تلقائياً أداة تعليق صوتي أو دوبلاج — تلك حالات استخدام مختلفة تحتاج توجهاً وتدريباً وتغليفاً منتجاً. قد تتبنى Block النموذج داخلياً لخدمات Square قبل أي شيء عام.
- ادعاء «الأول» يحتاج المراقبة: سباق الصوت الخالص انطلق بين مختبرات عدة حول العالم، وما يبدو أول اليوم قد يُطالب غداً. نحن ننقل ادعاء الفريق كما وثقه، لا نصدقه عمياناً.
أسئلة شائعة
ما هو نموذج Dessa؟
نموذج محادثة صوتي من مختبر أبحاث داخل شركة Block المالية بقيادة جاك دورسي، أعلن عنه في 23 أكتوبر 2026. يتميز بأنه تدرب على الكلام المسجل وحده دون أي نص أو نماذج مسبقة، ويعمل مزدوج الاتجاه أي يستمع ويتحدث في نفس الوقت، ويستطيع العمل محلياً على حاسوب MacBook Pro بمعالج M4 Max.
هل يمكنني تجربة Dessa الآن؟
لا. النموذج غير متاح للجمهور، ولا توجد واجهة استخدام أو برمجية عامة أو أسعار معلنة. الوصول المبكر مخصص لفئة صغيرة من باحثي أمان الذكاء الاصطناعي عبر نموذج طلب ببريد مؤسسي على الصفحة الرسمية.
هل يدعم Dessa اللغة العربية؟
لا يوجد أي ذكر رسمي للعربية أو لغات أخرى في مصادر الإعلان، وجميع العروض المنشورة إنجليزية. نهج التدريب على الصوت وحده يفتح الباب نظرياً لإتقان اللهجات المنطوقة مستقبلاً، لكن هذا تحليل تقني وليس خطة معلنة من الشركة.
ما الفرق بين Dessa وأدوات التعليق الصوتي مثل ElevenLabs؟
أدوات التعليق الصوتي تحول نصاً تكتبه إلى كلام، وتضيف الانفعال بوسوم يدوية. Dessa نموذج محادثة كامل يعمل صوتاً بصوت، والانفعال عنده ناتج داخلي لا وسم خارجي. الأولى أدوات إنتاج متاحة اليوم، والثاني منصة بحثية غير متاحة، وكل منها لغرض مختلف تماماً في هذه المرحلة.
لماذا يهم صانع المحتوى العربي خبر لا يمكنه استخدامه؟
لأنه مؤشر اتجاه لا أداة لحظية: حين ينجح نهج الصوت الخالص، يرتفع سقف الطبيعية في كل الأصوات المولدة التي ستستخدمها في التعليق والدوبلاج والوكلاء الصوتيين خلال الأشهر القادمة، وينخفض تمييز الجمهور للأصوات المولدة عن البشرية. من يخطط لهوية صوتية طويلة الأمد لمحتواه عليه حساب هذا التحول.
خلاصة: الصوت يتغير من أداة نطق إلى واجهة شعور
Dessa ليس خبر أداة جديدة تجرّبها اليوم، بل خبر اتجاه تقني يستحق أن يؤرشف في ذاكرتك المهنية: أول نموذج محادثة واقعي يتعلم كل شيء من الصوت وحده، يعمل على حاسوب محمول، ويجعل الانفعال جزءاً من النموذج لا إضافة عليه. لصانع المحتوى العربي، الرسالة العملية مزدوجة: اليوم، حسّن صوتياتك بالأدوات العاملة المتاحة وتابع قصتنا حولها؛ وغداً، توقع جيلاً من الأصوات يفهم لهجتك ويميز فرحك من حزنك في جمهورك، لأن الباب الذي فتحه فريق Block هذا الأسبوع لن يُغلق.
وحتى يصل ذلك الجيل، يمكنك بناء الجانب النصي من محتواك الصوتي على أرض صلبة: منصة ARWriter للكتابة بالذكاء الاصطناعي تكتب لك مادة الحلقة أو الفيديو كاملة بالعربية بجودة تصلح للتسجيل مباشرة — ثم أعطِها صوتاً بالأداة التي تختارها. المحتوى الصوتي الجيد يبدأ دائماً من نص جيد.
المصادر: الصفحة الرسمية للنموذج على موقع Block، وبوست الإعلان الموثق من حساب جاك دورسي بتاريخ 23 أكتوبر 2026، وتغطية TechCrunch بتاريخ 24 أكتوبر 2026.
