MERCADOS:
BTC $81,317 ▲ +4.29%
ETH $2,529 ▲ +5.04%
SOL $184 ▲ +3.57%
IA STATUS Online RELOJ --:--:-- ART
🗓️ Congresos y Eventos

¡Block Desafía la IA! Dessa Habla y Escucha a la Vez, Sin Texto

¡Block Desafía la IA! Dessa Habla y Escucha a la Vez, Sin Texto

Block, a través de su laboratorio de investigación en IA, ha lanzado Dessa, un modelo de habla full-duplex entrenado únicamente con conversaciones humanas. Presentado como una vista previa de investigación el 23 de octubre de 2026, Dessa se distingue por su capacidad de escuchar y hablar simultáneamente, rompiendo con el paradigma de los modelos de voz actuales que dependen de cadenas de texto y modelos pre-entrenados.

Dessa: Un Salto en la Interacción por Voz

A diferencia de la mayoría de los agentes de voz que operan en secuencias de reconocimiento de voz a texto y luego síntesis de voz, Dessa es un modelo de habla a habla puro. Esto significa que recibe audio y produce audio, aprendiendo directamente de la riqueza de la conversación humana. Block afirma que su modelo aprendió cuándo interrumpir, cuándo usar expresiones cortas como “sí” o “entendido”, e incluso cuándo reír o subir el volumen de su voz, todo ello sin intervención humana ni datos de texto.

¿Cómo Funciona el Entrenamiento Solo con Voz?

La arquitectura de Dessa, aunque no revelada en detalle, se basa en un enfoque innovador. Los puntos clave de su entrenamiento incluyen:

  • Datos de Entrenamiento: Exclusivamente audio de conversaciones humanas. No se utilizaron textos ni modelos pre-entrenados.
  • Infraestructura de Cómputo: Se entrenó en un rack NVIDIA GB200 NVL72, que integra 72 GPUs Blackwell y 36 CPUs Grace. Esto contrasta con los 1,016 GPUs H100 utilizados por Moshi de Kyutai para un propósito similar.
  • Eficiencia de Datos: Block asegura que Dessa aprendió el lenguaje con cientos de veces menos palabras que las que necesitan los LLMs tradicionales.
  • Inferencia Local: El modelo puede ejecutarse localmente en una MacBook Pro M4 Max (o superior) a una velocidad superior a la de tiempo real.

Este método busca preservar la emoción, el sarcasmo, la risa y otros matices que se pierden en las cadenas de procesamiento de texto. Block destaca la dificultad inherente a este enfoque, dado que el habla humana es inherentemente menos estructurada y más voluminosa que el texto.

Comparativa con Modelos Existentes

Dessa se posiciona frente a otros modelos como Moshi (Kyutai), PersonaPlex-7B-v1 (NVIDIA) y GPT-Live-1 (OpenAI). Mientras que Moshi utiliza un modelo de lenguaje de texto como base, Dessa parte directamente del audio. Block no ha publicado métricas de rendimiento ni detalles sobre el número de parámetros, pero la capacidad de ejecutarse localmente y su enfoque de entrenamiento único lo convierten en un competidor intrigante.

Limitaciones y Acceso

Por el momento, Dessa es una vista previa de demostración. Block no ha publicado puntuaciones de benchmark, pesos del modelo, paper técnico, API ni precios. El acceso se limita a una lista de espera.

Fuente: MarkTechPost (Open Source, GitHub & Agentes)

MP

Sobre Valeria Rossi

Cronista de Congresos, Webinars & Comunidad

Especialista en herramientas de IA aplicada, automatización de flujos de trabajo, prompting y productividad empresarial para Tecno Saberes.

🚀 Potenciá tu criterio digital y habilidades en IA

Tecno Saberes es una iniciativa de divulgación tecnológica asistida por Inteligencia Artificial y orquestada por el equipo de TucMara.com.

←
→