¿Tecnología Geek te ahorra tiempo? Agréganos como tu fuente preferida en Google y ve más noticias nuestras en tus resultados. Fuente preferida en Google
El modelo de voz Dessa sostiene una conversación en tiempo real sin pasar por texto: entra sonido y sale sonido. Block lo presentó el 23 de octubre de 2026 como un modelo entrenado desde cero solo con conversaciones humanas, sin texto y sin modelos previos debajo. La risa llega a mitad de frase, no después.
Esa diferencia parece menor y no lo es. Los asistentes conocidos convierten la voz en texto, procesan el texto y leen la respuesta en voz alta. Block publicó en su página oficial que ese camino tira a la basura información que el texto no puede cargar: el tono, la pausa, el cansancio, una ironía dicha con la boca chica. Dessa aprendió escuchando a personas hablando entre sí, igual que un niño aprende antes de leer su primera palabra.
Modelo de voz Dessa: conversación en tiempo real de voz a voz
La empresa describe a su criatura como un modelo de voz a voz con dúplex completo. Dúplex completo quiere decir que escucha y habla a la vez, sin turnos rígidos. Puede interrumpir, colar un «ajá» mientras la otra persona habla y reaccionar en el instante en que algo da risa.
Ragavan Thurairatnam, responsable del laboratorio, contó en X que se trata del primer modelo capaz de sostener una conversación realista tras entrenarse solo con habla, y lo llamó un momento tipo GPT-3 para la voz. Jack Dorsey, cofundador de Block, escribió que hablar con Dessa se siente como hablar con una persona, con emoción, matices, pausas y un ritmo natural. Son afirmaciones de la propia casa, y conviene leerlas como eso.
Las grabaciones publicadas muestran a Dessa completando la frase de una persona que se queda en blanco con el título de una película. En otra toma se le escapa un susurro de sorpresa y responde con la voz a punto de quebrarse. Una tercera grabación la pone a conversar con GPT-Live-1, el modelo de voz de OpenAI, y Block aclara que ese desarrollador no avala a Dessa. Nadie dirige las respuestas durante las tomas, informó la compañía, y los subtítulos se agregaron después.
Un laboratorio chiquito, una sola máquina de NVIDIA
El entrenamiento corrió en un solo sistema NVIDIA GB200 NVL72. Block afirma que Dessa aprendió el idioma con cientos de veces menos palabras que los grandes modelos de lenguaje, porque el habla obliga a aprender mucho más que palabras: acentos, respiración, sarcasmo, humor, inflexión y el momento justo para entrar en la conversación. Cambiar el acento dentro de una misma oración cambia el sentido completo, y eso no aparece en ningún texto plano.
El equipo también sorprende por tamaño. Block lo define como un laboratorio muy pequeño, fundado por antiguos miembros de Dessa, una empresa emergente de aprendizaje profundo de Toronto. El grupo lleva más de ocho años construyendo modelos generativos de voz y responde directo ante Dorsey.
La ejecución local es el otro dato con peso práctico. La inferencia corre más rápido que el tiempo real y el modelo funciona en una MacBook Pro con chip M4 Max o superior. Thurairatnam agregó que también corre en tarjetas gráficas de consumo. Una voz así dentro del equipo del usuario abre usos que la nube cobra caros: pedidos por teléfono en un restaurante o apoyo en una ventanilla. Square, la unidad de Block para comercios, ya usa voz con inteligencia artificial para tomar pedidos, reportó TechCrunch.
Rendimiento del modelo de voz Dessa y conversación en tiempo real en equipos locales
El modelo de voz Dessa mantiene la conversación en tiempo real incluso al interrumpirlo, y esa naturalidad trae un riesgo conocido. CoinDesk recogió reacciones divididas tras el anuncio: asombro por lo humano que suena y temor entre observadores de fraude, porque una voz tan creíble puede volver más difíciles de detectar las estafas telefónicas. El antecedente pesa en América Latina, donde las llamadas falsas de bancos y familiares en apuros ya circulan a diario.
Block plantea el argumento contrario desde la seguridad. Una voz artificial que no escucha el dolor ni el miedo de quien llama también hace daño, y la empresa puso ese ejemplo: una persona con un dolor serio hablando con un asistente que sigue de largo sin enterarse. Por esa puerta entra la decisión de abrir primero el acceso a un grupo reducido de investigadores de seguridad, encargados de buscar riesgos que el laboratorio no haya previsto. El público general queda en espera; no hay acceso abierto, ni fecha de salida, ni precio.
Tampoco hay cifras para comparar. Block no publicó tamaño del modelo, resultados en pruebas independientes ni ficha técnica completa, y las grabaciones de la casa son la única evidencia disponible. La cobertura de The Verge, citada por Dealroom, encontró las muestras mayormente naturales con momentos torpes, incluido un tramo donde el modelo confunde a su interlocutor con alguien llamado Ronaldo. Ese tropiezo recuerda que detrás del asombro hay un prototipo en investigación, no un producto terminado.
Para quien vende por teléfono o atiende clientes en español, el dato práctico queda claro: ninguna aprobación de pago debería depender solo de reconocer una voz. Una clave familiar pactada antes, devolver la llamada al número guardado y desconfiar de la urgencia siguen siendo defensas baratas frente a voces cada vez más humanas. Dessa todavía no llega al público, y su primera prueba seria la harán investigadores ajenos a Block, con los resultados aún sin publicar.
Fuente: TechCrunch
Foto: TechCrunch
La conversación sigue en el foro
Comenta esta noticia, pregunta lo que quieras y comparte tu experiencia con otros lectores en el foro de Tecnología Geek. Participar es gratis: solo necesitas tu cuenta del sitio.
Entrar al foro