Block presenta Dessa, un modelo de voz de comunicación bidireccional construido únicamente con datos de audio

El 23 de octubre de 2026, el laboratorio de investigación de IA de Block presentó Dessa, un modelo de voz de comunicación bidireccional entrenado exclusivamente con conversaciones humanas. A diferencia de la mayoría de los asistentes de voz que se basan en sistemas basados en texto, Dessa procesa el audio directamente, convirtiendo el habla en habla sin utilizar texto ni modelos preentrenados. El modelo escucha y habla simultáneamente, aprendiendo de conversaciones reales para determinar cuándo intervenir y cuándo responder con indicaciones como 'sí' o 'entendido'. Dessa evita el tradicional proceso de tres pasos de reconocimiento de voz, modelado de texto y síntesis de voz, que Block afirma que pierde matices emocionales como la risa y el sarcasmo. El laboratorio no ha revelado su arquitectura, pero destaca los desafíos de trabajar con el habla, que requiere significativamente más datos que el texto. Los fragmentos de demostración de Block muestran a Dessa riendo y ajustando el volumen, interactuando con GPT-Live-1 de OpenAI sin intervención humana. La página del proyecto invita a comparar con otros modelos como Moshi, que utiliza un enfoque basado en texto con 7 millones de horas de audio de preentrenamiento y 1.016 GPU H100. Block anima a los lectores a explorar la página del proyecto, compararla con modelos relacionados y participar en plataformas de redes sociales.