Block, de Jack Dorsey, presenta una IA de voz entrenada solo con audio
El modelo, llamado Dessa, conversa sin pasar nunca por el texto, escucha y habla a la vez y puede funcionar en un portátil; por ahora solo lo probarán investigadores de seguridad en IA.
Block, la empresa de pagos que dirige Jack Dorsey, presentó Dessa, un modelo de inteligencia artificial de voz entrenado únicamente con grabaciones de conversaciones humanas, sin textos ni modelos de lenguaje previos. El sistema recibe audio y responde con audio sin convertir en ningún momento la conversación en texto escrito, y reproduce risas, pausas, titubeos y cambios de tono con un realismo que ha despertado tanto asombro como inquietud.
«Creemos que la voz es la forma más natural de interactuar con la inteligencia, por eso creamos Dessa, el modelo de habla full-duplex más auténtico jamás construido.»
Que sea full-duplex significa que escucha y habla al mismo tiempo, como en una llamada telefónica, de modo que puede reaccionar cuando el interlocutor lo interrumpe, duda o se ríe a mitad de una frase. Según sus creadores, la mayoría de los asistentes de voz actuales convierten el habla en texto y en ese paso desechan una enorme cantidad de información, como los matices emocionales. Dessa se entrenó con un solo rack de GPU de Nvidia y puede ejecutarse localmente en un MacBook Pro con chip M4 Max o superior, sin depender de servidores externos.
Detrás del desarrollo está el laboratorio de investigación de Block, liderado por Ragavan Thurairatnam, que incluye a antiguos integrantes de la startup canadiense Dessa, conocida en 2019 por recrear con IA la voz del presentador Joe Rogan y comprada por la compañía en 2020. El equipo explicó que su meta era que el modelo aprendiera a hablar como un bebé, escuchando y sin ver nunca una palabra escrita.
Por ahora el modelo no está disponible para el público: Block dará acceso anticipado solo a un grupo reducido de investigadores de seguridad en inteligencia artificial para que estudien sus riesgos, entre ellos su posible uso en estafas telefónicas y suplantaciones, antes de una eventual apertura. La empresa no ha revelado el tamaño del modelo, sus resultados en pruebas comparativas ni una fecha de lanzamiento.
