Block presenta Dessa, un modelo de voz de dúplex completo entrenado mediante conversaciones

El laboratorio interno de investigación de IA de Block anunció Dessa el 23 de octubre de 2026: un modelo de voz a voz de dúplex completo que, según la empresa, se entrenó desde cero exclusivamente con conversaciones humanas. Al presentarlo, publicó grabaciones de demostraciones en directo, abrió una lista de espera pública y ofreció acceso anticipado a un pequeño grupo de investigadores de seguridad de la IA.

El anuncio incluyó la página de Dessa de Block y una publicación en X de Ragavan Thurairatnam, responsable del laboratorio. Thurairatnam describió Dessa como el primer modelo de IA capaz de mantener una conversación realista tras entrenarse únicamente con habla, afirmó que puede ejecutarse en GPU de consumo y calificó su lanzamiento como «un momento GPT3 para el habla». En su página, Block escribe que, hasta donde sabe la empresa, Dessa es la primera IA del mundo capaz de mantener una conversación realista en directo tras entrenarse solo con habla humana.

Block describe Dessa como un verdadero modelo de voz a voz: recibe audio y produce audio. Es de dúplex completo, por lo que escucha y habla al mismo tiempo, y la empresa afirma que aprendió de conversaciones reales cuándo intervenir y cuándo emitir señales breves para demostrar que sigue el hilo. Block dice que el modelo percibe y expresa de forma nativa emociones, sarcasmo, risas, suspiros de frustración y voces que se quiebran de tristeza; que su inferencia funciona más rápido que en tiempo real, por lo que responde sin pausas incómodas; y que Dessa se ejecuta localmente en un MacBook Pro M4 Max o superior. La empresa lo califica como el modelo de voz de dúplex completo más auténtico jamás creado y afirma que hablar con él se siente como hablar con una persona.

Un enfoque de entrenamiento basado solo en el habla

Según la página, Dessa se entrenó desde cero únicamente con sonidos, sin texto ni modelos preentrenados, y aprendió a conversar en tiempo real solo escuchando. Block sostiene que es fácil subestimar la dificultad de esa tarea porque las personas aprenden a hablar con mucha facilidad. Los datos del habla nunca se repiten: incluso decir dos veces exactamente la misma frase produce datos diferentes, mientras que el texto escrito es idéntico sin importar quién lo escriba. En términos de datos, señala la página, una palabra hablada ocupa miles de veces más bytes que su forma escrita, y el énfasis cambia el significado; una frase de ejemplo de la página adquiere un significado distinto cada vez que se enfatiza una palabra diferente.

Block afirma que Dessa aprendió el lenguaje con cientos de veces menos palabras que los modelos de lenguaje grandes y que el equipo descubrió cómo entrenarlo en un único sistema NVIDIA GB200 NVL72. La página enumera varias preguntas de investigación abiertas que plantea este enfoque: con qué eficiencia aprenden el lenguaje y los hechos estos modelos en comparación con los modelos de texto, con qué eficiencia pueden aprender nuevos idiomas y qué tipos de aprendizaje en contexto pueden realizar.

Demostraciones grabadas

Block publicó clips que describe como grabaciones en directo de personas hablando con Dessa. La empresa afirma que nadie dirige el modelo durante esas conversaciones y que Dessa decide por sí misma qué decir, cuándo decirlo y cómo hacerlo, incluida la voz y la personalidad que adopta; los subtítulos se añadieron posteriormente.

Entre los momentos descritos, Dessa se ríe a mitad de una frase cuando algo le resulta gracioso, en lugar de esperar a que termine de hablar la otra persona; alza la voz cuando le piden que hable más alto; y termina la frase de alguien que se queda en blanco al intentar recordar el título de una película. En otro clip, Dessa deja escapar un jadeo apenas audible al recibir el anuncio sorpresa de un aniversario y luego responde con lo que la página describe como gratitud entre lágrimas; se dice que una grabación más larga en la que ofrece consejos de vida suena genuinamente empática. En una grabación, Dessa conversa con GPT-Live-1, un modelo de IA de terceros. Block señala que ambas voces de la grabación son generadas por IA y que la empresa desarrolladora de GPT-Live-1 no está afiliada a Block y no ha revisado ni respaldado Dessa.

Seguridad, acceso y el laboratorio

El equipo menciona tres motivos para crear Dessa: la curiosidad, una mejor comprensión entre las personas y la IA, y la seguridad. La página señala que los bebés aprenden a hablar sin ver jamás una palabra escrita y afirma que el equipo quería comprobar si un modelo podía hacer lo mismo. En cuanto a la seguridad, Block sostiene que la IA sigue ganando poder e independencia, pero aún no puede percibir la emoción en la voz de quien habla. Como ejemplo, menciona a una persona que sufre un dolor intenso mientras una IA de voz no se da cuenta y continúa. La empresa presenta Dessa como un paso para solucionar ese problema y critica que la IA de voz actual reduzca el habla a texto, perdiendo la información que solo transmite el sonido.

Block está ofreciendo acceso anticipado a un pequeño grupo de investigadores de seguridad de la IA para que detecten riesgos que el equipo no haya previsto. El formulario de solicitud pide un nombre y una dirección de correo electrónico institucional de una universidad, empresa o laboratorio, además de un enlace opcional a Google Scholar o a un blog. La lista de espera pública está abierta, se compartirán más grabaciones en la cuenta de X de Thurairatnam y la página indica que los enlaces de lanzamiento llegarán pronto.

Dessa surge de lo que Block describe como un laboratorio de investigación de IA muy pequeño dentro de la empresa, fundado por antiguos miembros de Dessa, la startup de aprendizaje profundo de Toronto. El equipo afirma que desarrolla modelos de aprendizaje profundo desde 2012 y modelos de voz generativa desde hace más de ocho años, y que reporta directamente a Jack Dorsey, cofundador de Block, presidente del consejo y director de Block. La biografía de Thurairatnam en X indica que anteriormente fundó y vendió Dessa, y que impartió clases en la University of Toronto. Junto a él, la página menciona a los investigadores Louay Hazami, Hashiam Kadhim, Qi (Alex) Liu, Rayhane Mama, Aydin Polat y Marc Tyndel; a los becarios Cara Ji, Jibran Iqbal Shah y Dvir Zagury-Grynbaum; y a los antiguos becarios Aryan Sharma y Olivia Yan.