Block presenta Dessa, una IA de voz que aprendió a conversar solo escuchando a personas
Sin texto y sin modelos previos: el nuevo modelo de Block promete conversaciones que suenan más humanas, y por ahora solo lo prueban investigadores de seguridad.
Santo Domingo, RD.- Block, la compañía de pagos y tecnología cofundada por Jack Dorsey y dueña de Square, presentó Dessa, un modelo de inteligencia artificial de voz a voz que, según la empresa, fue entrenado desde cero únicamente con conversaciones humanas grabadas, sin texto ni modelos de lenguaje preentrenados. Dorsey lo describió como «el modelo de voz full-duplex más auténtico jamás construido».
Qué lo hace distinto
La mayoría de los asistentes de voz convierten lo que dices en texto, lo procesan y responden. Block sostiene que en ese paso se pierde mucha información, como el tono, el sarcasmo, la risa o un suspiro de frustración. Dessa trabaja directamente con audio: escucha y habla al mismo tiempo, sabe cuándo intervenir y usa expresiones como «ajá» o «ya» para mostrar que sigue la conversación.
En las grabaciones de demostración que publicó la empresa, el modelo se ríe a mitad de frase, completa el título de una película que la persona no recuerda y responde con emoción a una sorpresa de aniversario. Block asegura que funciona más rápido que en tiempo real y que corre de forma local en una MacBook Pro con chip M4 Max o superior. Según TechCrunch, fue entrenado con un solo rack de GPU de NVIDIA, un GB200 NVL72 de acuerdo con la página oficial.
Todavía no está disponible
Dessa no está abierto al público. Block lo desarrolló en un pequeño laboratorio interno de investigación, fundado por exintegrantes de la startup canadiense Dessa, y abrió una lista de espera. Por ahora da acceso anticipado a un grupo reducido de investigadores de seguridad de IA para encontrar riesgos que no hayan previsto, como los casos en que un agente de voz podría engañar a una persona, explicó TechCrunch.
La empresa no ha dado fecha de lanzamiento ni ha dicho en qué idiomas funcionará, así que para el usuario dominicano todavía no hay forma de probarlo. Lo que sí deja claro es hacia dónde va la carrera de los asistentes: voces que no solo entienden las palabras, sino también cómo se dicen.
