La empresa de Jack Dorsey creó una inteligencia artificial de voz entrenada solo con audio humano

Block, la empresa de pagos que dirige Jack Dorsey, presentó Dessa, un modelo de inteligencia artificial de voz entrenado desde cero únicamente con grabaciones de conversaciones humanas, sin usar textos ni modelos de lenguaje previamente entrenados.

Según la página oficial del producto, Dessa es un sistema de habla a habla: recibe audio y responde con audio, sin convertir en ningún momento la conversación en texto escrito. Block lo describe como el primer modelo capaz de sostener una charla realista habiendo aprendido exclusivamente al escuchar sonido humano.

PUBLICIDAD

El sistema funciona en modo full-duplex, es decir que escucha y habla al mismo tiempo, como ocurre en una llamada telefónica, en lugar de esperar turnos fijos como un walkie-talkie. Eso le permite reaccionar cuando alguien lo interrumpe, duda o se ríe en medio de una frase.

La empresa afirmó que Dessa puede correr de forma local en una computadora MacBook Pro con chip M4 Max o uno superior, sin depender de servidores externos para procesar la conversación. Según Block, el sistema responde más rápido de lo que dura la conversación real, por lo que no genera pausas incómodas.

PUBLICIDAD

El laboratorio detrás de Dessa está liderado por Ragavan Thurairatnam y reúne a varios exintegrantes de la startup canadiense original Dessa, fundada en Toronto y conocida en 2019 por recrear con inteligencia artificial la voz del conductor Joe Rogan. Block adquirió esa compañía en 2020, según informó el medio especializado CryptoBriefing.

En su sitio, el equipo explicó que decidió entrenar el modelo sin texto para comprobar si una máquina podía aprender a hablar de la misma manera que lo hace un bebé, escuchando, sin ver nunca una palabra escrita. “Es posible. Solo que es muy difícil”, señaló el equipo en la presentación del proyecto.

PUBLICIDAD

Block publicó grabaciones de personas conversando con Dessa sin guion previo para mostrar su funcionamiento. En una de ellas, el modelo confunde a su interlocutor y lo llama “Ronaldo” por razones que la empresa no explicó, un error que generó comentarios en redes sociales.

Otros audios muestran a Dessa conversando sobre películas de Christopher Nolan y desviándose, sin que se lo pidieran, hacia las películas de Superman dirigidas por Bryan Singer. En otro clip, una persona le cuenta que la llevaron de sorpresa a París por un aniversario y el modelo responde con lo que suena como gratitud entrecortada por la emoción.

PUBLICIDAD

El equipo también compartió un audio de Dessa jugando a adivinar objetos por voz y otro en el que mantiene una conversación con GPT-Live-1, el modelo de voz de OpenAI, usado como contraparte de prueba. Block aclaró que esa interacción no implica ningún vínculo con OpenAI ni que esa empresa haya revisado o avalado a Dessa.

El equipo explicó que construyó el modelo por tres motivos: curiosidad sobre si una máquina puede aprender a hablar sin texto, la búsqueda de un mejor entendimiento entre personas y sistemas de inteligencia artificial, y razones de seguridad vinculadas a cómo los asistentes de voz interpretan las emociones.

PUBLICIDAD

“Imaginen estar atravesando un dolor grave mientras una IA de voz no se da cuenta y sigue hablando como si nada. Ese es el problema de seguridad. Dessa es un paso para solucionarlo”, escribió el equipo en la presentación del producto, al explicar por qué un sistema que detecta el tono de la voz puede evitar ese tipo de situaciones.

Dessa no está disponible para el público general. Block dijo que dará acceso anticipado a “un grupo reducido de investigadores de seguridad en inteligencia artificial”, con el objetivo de estudiar los riesgos del modelo antes de una eventual expansión.

PUBLICIDAD

Esa cautela responde a un riesgo específico de la voz: un sistema que suena convincentemente humano, capta emociones y reacciona a interrupciones plantea preguntas sobre suplantación de identidad y confianza que un chatbot de texto no enfrenta de la misma manera.

Dorsey se refirió al lanzamiento en la red social X, donde expresó su reconocimiento al equipo por el avance logrado, según informó CryptoBriefing. Block adelantó que en los próximos días compartirá más grabaciones de conversaciones con Dessa en esa misma plataforma.