Block ha presentado Dessa, un modelo de IA de voz a voz que, según afirma, fue entrenado desde cero con conversaciones humanas y diseñado para evitar un defecto habitual en los asistentes de voz: reducir la voz de una persona a texto sin formato antes de responder.

El argumento de la empresa es que esta cadena de procesamiento elimina las pausas, la cadencia y la emoción que dan significado al habla. «Las IA más potentes del mundo no pueden oír cómo te sientes», afirmó Block, calificando esa limitación como una experiencia peor y «potencialmente peligrosa».¹ En lugar de basarse en las etiquetas de emoción basadas en texto que utilizan muchos sistemas de generación de voz, Block afirma que Dessa incorpora un comportamiento expresivo en su modelo.

Las primeras demostraciones son la propuesta en miniatura. Dessa ríe, vacila y suena cansada cuando dice que está agotada por el trabajo; en otro intercambio, parece estar a punto de llorar mientras describe a alguien que la hace sentir cómoda. Block afirma que el sistema full-duplex puede escuchar y hablar simultáneamente, y que se ejecuta localmente en una máquina de consumo como una MacBook M4 Max o superior.¹

Ese diseño local podría importar para el negocio más amplio de Block, donde Square ya utiliza IA de voz para realizar pedidos. Pero la empresa aún no está abriendo Dessa al público. En cambio, ha pedido a investigadores de seguridad que examinen un modelo cuya fluidez emocional podría hacerlo más persuasivo y, potencialmente, más capaz de engañar a las personas.¹

Una segunda mirada a las demostraciones subraya ambos lados de esa propuesta. Los intercambios son «en su mayoría naturales», pero una conversación comienza con Dessa identificando erróneamente a su interlocutor humano como «Ronaldo»; otra se desvía inesperadamente durante una discusión sobre películas de Christopher Nolan.² En un juego de adivinar voces y una conversación con GPT-Live-1 de OpenAI, Dessa puede parecer más natural, aunque su extrañeza ocasional sigue formando parte de la historia.²

Para Block, el modelo es un experimento de curiosidad, comprensión y seguridad. Para los oyentes, también es un recordatorio de que hacer que la IA suene más humana no hace automáticamente que el encuentro sea más cómodo.