Block presenta Dessa, un modelo de voz que imita emociones humanas y opera de forma local

El laboratorio de investigación de Block, la compañía dirigida por Jack Dorsey, presentó un nuevo modelo de inteligencia artificial de voz denominado Dessa. La herramienta destaca por su capacidad de ejecutarse localmente y por emitir un sonido notablemente similar al humano, incorporando expresiones tales como risas, pausas e incluso llantos dentro de sus respuestas. Según precisó la firma tecnológica, Dessa fue entrenado exclusivamente con muestras de habla humana utilizando un único bastidor de unidades de procesamiento gráfico de NVIDIA. A diferencia de las soluciones de voz habituales, que suelen vincularse a un modelo de lenguaje amplio para acceder al conocimiento, esta herramienta extrae sus datos directamente de las conversaciones con las que fue configurada. El sistema cuenta con una arquitectura de dúplex completo, lo que le permite hablar y escuchar a la vez, de manera similar al modelo GPT-Live lanzado por OpenAI a principios de este año. Desde Block señalaron que los asistentes de voz convencionales suelen sonar artificiales y molestos debido a que dependen de una conversión intermedia a texto. Mientras alternativas como ElevenLabs v4 o Fish Audio Drama 3 apelan a etiquetas para simular emociones, la empresa de Dorsey afirma que la emotividad forma parte integral de su modelo, aunque no se ha detallado si existe algún mecanismo que oriente dichos estados anímicos. En una publicación oficial, la compañía criticó duramente los desarrollos actuales al sostener que transformar la voz en texto descarta una cantidad valiosa de matices comunicativos, calificando como un error y un riesgo que los sistemas no reconozcan el estado emocional del interlocutor. Los investigadores publicaron demostraciones del funcionamiento de Dessa. En una de ellas, el sistema afirmó encontrarse cansado por el trabajo y reprodujo una entonación acorde a ese agotamiento. En otro caso, la voz transmitió una fuerte carga emocional, al borde del quiebre, mientras dialogaba con una persona. Un tercer registro mostró a un empleado de la firma jugando una partida interactiva junto al asistente. Block informó que Dessa puede operar en computadoras personales de alto rendimiento, como una MacBook con procesador M4 Max o superior. Actualmente no existe acceso público a la herramienta y la empresa convocó a especialistas en seguridad para evaluar sus riesgos, buscando anticipar posibles escenarios en los que el agente de voz logre engañar a personas. Block prevé utilizar esta tecnología autónoma para potenciar soluciones comerciales como Square a un menor costo operativo.