Block lanza Dessa, el modelo de voz que habla y escucha como un humano

Un salto cualitativo en la IA de voz

Block, la compañía fundada por Jack Dorsey, ha anunciado Dessa, su nuevo modelo de voz capaz de generar y percibir audio simultáneamente. A diferencia de los sistemas tradicionales que convierten texto en sonido, Dessa está entrenado exclusivamente con datos de habla humana y se ejecuta en una única GPU NVIDIA, lo que permite su uso local en equipos de consumo como un MacBook M4 Max.

El modelo es full‑duplex: puede hablar y escuchar al mismo tiempo, algo que solo había sido posible en algunos prototipos como GPT‑Live de OpenAI. Además, incorpora expresiones emocionales – risas, pausas, llantos – sin necesidad de etiquetas externas. Según la empresa, esto evita la “deshumanización” que provocan los pipelines basados en texto y mejora la experiencia al conservar la información paralingüística que el habla lleva consigo.

Block afirma que la base de conocimiento de Dessa proviene de los datos conversacionales con los que fue entrenado, lo que le permite responder de forma contextual sin depender de un modelo de lenguaje separado. Los investigadores publicaron varios diálogos de ejemplo donde el asistente adopta distintos tonos, cadencias y estados de ánimo, incluso simulando cansancio cuando le dice que ha trabajado mucho.

En la práctica, esta tecnología podría revolucionar la interacción con asistentes virtuales en sectores como fintech, atención al cliente o videojuegos, al ofrecer una comunicación más natural y emocional. Sin embargo, el acceso a Dessa aún no está disponible para el público y Block está buscando investigadores de seguridad que prueben el modelo para evitar posibles manipulaciones.

💡 Opinión iaPasión

Ideal para desarrolladores que necesiten voces realistas en apps locales y para emprendedores que busquen reducir costes en soluciones de voz. No es útil aún para usuarios finales, ya que el modelo sigue en fase de pruebas cerradas.