Hay una demostración en la que una inteligencia artificial llama «Ronaldo» a la persona con la que habla. Se corrige enseguida y la conversación sigue fluyendo con una naturalidad que llama la atención. Esa máquina es Dessa, el nuevo modelo de voz presentado por Block, la empresa de Jack Dorsey.
El lanzamiento cobra relevancia ahora porque propone un camino distinto al que siguen la mayoría de asistentes de voz actuales, incluidos los de gigantes como OpenAI. Según informó The Verge, Dessa ha sido entrenada «desde cero con nada más que conversación humana», sin pasar en ningún momento por texto escrito.
Un modelo que nunca leyó una palabra
La mayoría de sistemas de voz funcionan convirtiendo el audio en texto, procesando ese texto y devolviendo después una respuesta sintetizada. Dessa rompe con ese esquema: audio dentro, audio fuera, sin ningún corpus textual de por medio.
El equipo detrás del proyecto recurre a una analogía sencilla para explicar su apuesta. Los bebés aprenden a hablar sin haber visto jamás una palabra escrita. Según sus responsables, quisieron comprobar si un modelo podía hacer lo mismo. La conclusión, afirman, es que sí es posible, aunque reconocen que el proceso resultó mucho más difícil de lo esperado.
El proyecto está liderado por Ragavan Thurairatnam, quien compartió en redes sociales una de las conversaciones de muestra. En ese intercambio se percibe un diálogo mayormente natural, salpicado por el desliz inicial del nombre equivocado, un detalle que no ha pasado desapercibido.
Cómo suena Dessa en sus demostraciones
La web oficial del modelo reúne varios ejemplos de conversación. En uno de ellos, Dessa habla sobre las películas de Christopher Nolan y se desvía de forma inesperada hacia las cintas de Superman dirigidas por Bryan Singer, una tangente que recuerda a las que haría cualquier interlocutor humano.
En otra muestra, una persona le cuenta a Dessa que fue sorprendida con un viaje a París. Según describe la propia página del proyecto, la IA responde con lo que suena a una gratitud emocionada, casi al borde del llanto.
También hay un vídeo en el que Dessa participa en un juego de adivinanzas por voz. The Verge describe estos intercambios como ocasionalmente incómodos, con cierto aire inquietante, como si se tratara de un nuevo amigo algo torpe en el trato social.
Dessa frente a GPT-Live-1 de OpenAI
Entre las demostraciones destaca una conversación entre Dessa y GPT-Live-1, el modelo de voz de OpenAI. Según The Verge, en ese cruce Dessa suena más natural que su contraparte.
Conviene tomar ese dato con cautela. Se trata de una muestra seleccionada por el propio equipo de Block, no de una evaluación independiente. No existen, por ahora, métricas públicas que permitan comparar latencia, calidad o precisión entre ambos sistemas de forma objetiva.
Aun con esas reservas, el ejemplo deja clara la ambición de Block: competir en el terreno de la conversación fluida, con turnos de palabra que no suenen mecánicos ni artificiales.
El argumento de la seguridad
El equipo de Dessa esgrime tres razones para justificar el desarrollo del modelo: curiosidad científica, una mejor comprensión entre humanos e inteligencia artificial, y seguridad. Este último punto es el que más desarrollan en su comunicación.
Según explican en su sitio web, la voz es la interfaz más natural para interactuar con cualquier inteligencia, pero los sistemas actuales la desaprovechan al reducirla a texto. Esa conversión, sostienen, provoca que las IA pierdan el ritmo humano y permanezcan casi sordas ante la emoción que transmite la voz.
El equipo plantea un escenario concreto: una persona atravesando un dolor intenso mientras una IA de voz no percibe nada anómalo y sigue conversando como si nada ocurriera. Para avanzar en esa dirección, Block dará acceso anticipado a un grupo reducido de investigadores especializados en seguridad de inteligencia artificial. Se trata de un anuncio de la propia empresa: todavía no existe evidencia pública independiente que demuestre que Dessa detecta emociones mejor que otros modelos.
Un modelo pensado para funcionar en local
Uno de los datos más prácticos del anuncio es que Dessa puede ejecutarse localmente en un MacBook Pro M4 Max o un equipo superior. Es un requisito de hardware exigente, pero implica que el modelo no necesita depender de un servidor remoto para funcionar.
Esa característica tiene implicaciones directas para la privacidad. Si el procesamiento se realiza en el propio dispositivo, la voz del usuario no tiene por qué viajar a ningún servidor externo. Al mismo tiempo, limita el acceso: por ahora, solo quienes cuenten con ese hardware específico podrán probarlo.
Qué significa este anuncio
Para quienes desarrollan productos basados en voz, Dessa representa una vía alternativa a los modelos que dependen de la transcripción, con la ventaja potencial de captar mejor la entonación y el ritmo del habla. Por el momento, el acceso está restringido a un grupo reducido de investigadores de seguridad.
Para el usuario común, el anuncio no supone todavía ningún cambio práctico. Lo que sí es posible hacer es escuchar las demostraciones publicadas y prestar atención a dos aspectos: cómo gestiona el modelo sus propios errores, como el del nombre equivocado, y si realmente responde al tono emocional además de al contenido literal de las palabras. Esa es la promesa que Block deberá demostrar más allá de los vídeos de presentación.
Preguntas frecuentes
¿Qué es Dessa?
Es un modelo de inteligencia artificial de voz a voz desarrollado por Block, la empresa de Jack Dorsey, entrenado exclusivamente con conversación humana, sin pasar por texto escrito.
¿En qué se diferencia Dessa de otros asistentes de voz?
La mayoría de asistentes convierten el audio en texto antes de procesarlo. Dessa opera directamente de audio a audio, lo que según su equipo le permite captar mejor la entonación y el ritmo de una conversación.
¿Quién lidera el proyecto Dessa?
El proyecto está encabezado por Ragavan Thurairatnam, quien ha compartido públicamente algunas de las conversaciones de demostración del modelo.
¿Dessa es mejor que el modelo de voz de OpenAI?
En una demostración difundida por el propio equipo, Dessa suena más natural que GPT-Live-1 de OpenAI, según The Verge. Sin embargo, no existen métricas independientes publicadas que permitan confirmar una superioridad objetiva.
¿Puedo probar Dessa ahora mismo?
No. Por el momento, Block solo dará acceso anticipado a un grupo reducido de investigadores de seguridad en inteligencia artificial. No hay disponibilidad pública general.
¿Qué requisitos técnicos necesita Dessa para funcionar?
Según el equipo, el modelo puede ejecutarse en local en un MacBook Pro M4 Max o en un equipo con especificaciones superiores, sin depender de servidores remotos.
Samuel Gil es especialista en infraestructura tecnológica, administración de servidores y desarrollo de servicios digitales. Con una sólida trayectoria en entornos web de alta exigencia, optimización de servidores y gestión de arquitecturas de red, Samuel dedica su labor en faq-box.com a desglosar cuestiones técnicas complejas para convertirlas en guías prácticas, transparentes y de alto valor técnico.
Su enfoque editorial prioriza el rigor, la seguridad en los sistemas y la resolución eficiente de problemas técnicos cotidianos y avanzados. A través de sus análisis, busca ofrecer respuestas directas y contrastadas para profesionales y entusiastas del sector tecnológico.
Cuenta con una sólida formación en el área tecnológica, destacando su especialización a través del Máster en Inteligencia Artificial Aplicada a la Gestión Empresarial y el MBA in Digital Transformation & Artificial Intelligence de ISEEN.EU, lo que aporta un rigor técnico avanzado a cada análisis de desarrollo y arquitectura digital.
