✨︎ Resumen (TL;DR):
- Block presentó el 23 de octubre de 2026 a Dessa, un modelo de IA entrenado desde cero con conversaciones humanas, sin texto ni modelos preentrenados.
- El sistema puede escuchar mientras habla y funciona localmente en una MacBook Pro con chip M4 Max o un equipo superior.
- El acceso inicial quedará limitado a un grupo reducido de investigadores de seguridad de IA; el siguiente paso anunciado es dar acceso temprano a investigadores externos.
Block presentó el 23 de octubre de 2026 a Dessa, un modelo de IA de voz entrenado únicamente con conversaciones humanas. El sistema puede escuchar mientras habla y responder a interrupciones; su acceso inicial quedará limitado a un grupo reducido de investigadores en seguridad de IA. Block vincula el proyecto con la detección de señales de malestar en la voz y con que la IA responda mejor.
Dessa es un modelo de IA de voz que aprende del sonido de conversaciones humanas. Block asegura que lo entrenó desde cero, sin texto ni modelos preentrenados.
La compañía afirma que Dessa funciona de forma local en una MacBook Pro con chip M4 Max o un equipo superior. Ese requisito describe dónde puede ejecutarse el modelo, mientras que el anuncio se presenta como una vista previa de investigación.
El modelo escucha mientras habla
Full-duplex es un modo de interacción de voz que permite que un sistema responda a una interrupción y emita señales breves de escucha mientras la otra persona mantiene su turno.
La propuesta busca conservar información que una transcripción puede perder, como la entonación o una pausa. Según la presentación de Block, Dessa reúne dos decisiones técnicas: gestionar voces simultáneas y aprender el lenguaje exclusivamente del sonido.
Sus características principales son:
- Entrenamiento: desde cero, sin texto ni modelos preentrenados.
- Interacción: escucha mientras habla, responde a interrupciones y emite señales breves de escucha.
- Ejecución: de forma local en una MacBook Pro con chip M4 Max o un equipo superior.
Un antecedente es Moshi, publicado por Kyutai en septiembre de 2024. Ese modelo también contempla habla superpuesta e interrupciones, pero su arquitectura incorpora un modelo de lenguaje de texto y predice texto junto con audio.
Dessa, en cambio, se entrenó desde cero sin texto ni modelos preentrenados, asegura Block. La comparación separa las dos decisiones técnicas: gestionar voces simultáneas y aprender el lenguaje exclusivamente del sonido.
Las demostraciones exponen los límites
El equipo publicó grabaciones que presenta como conversaciones en directo, con subtítulos añadidos después. Ragavan Thurairatnam, responsable de Dessa, compartió un video con algunas de las muestras.
Las grabaciones también dejan errores a la vista. The Verge señaló que, en una demostración, el modelo llama “Ronaldo” a su interlocutor sin una razón clara. En otra, una conversación sobre Christopher Nolan deriva hacia el Superman de Bryan Singer.
Esos fallos conviven con intercambios que el medio describió como mayormente naturales. Las muestras muestran el comportamiento del sistema, aunque no permiten medir por sí solas su desempeño en seguridad.
La prueba pendiente es la seguridad
Block vincula el proyecto con la seguridad de IA: quiere que Dessa reconozca señales de malestar en la voz y responda mejor. Las grabaciones elegidas por la empresa ilustran comportamientos, pero no ofrecen una medida independiente de esa capacidad.
El siguiente paso anunciado es dar acceso temprano a investigadores externos para detectar riesgos que el equipo todavía no haya previsto. Hasta que esa revisión ocurra, las muestras permiten ver cómo conversa Dessa, pero no ofrecen una medición independiente de su capacidad para reconocer malestar.
