Block presentó el 23 de octubre Dessa, un modelo de voz entrenado solo con conversaciones humanas que, según la empresa, cabe en un MacBook Pro. No hay API, no hay pesos y no hay precio.
Qué es Dessa y por qué Block lo entrenó sin texto
Block, la empresa de pagos detrás de Square y Cash App, publicó el 23 de octubre un modelo de voz llamado Dessa. Lo desarrolló su equipo interno de investigación, y la decisión que lo define se resume en una línea: se entrenó desde cero con audio de conversaciones humanas, sin usar texto en ningún tramo del proceso.
Los asistentes de voz habituales trabajan en tres pasos. Transcriben lo que dices, un modelo de lenguaje redacta la respuesta y otra pieza convierte ese texto en voz. En cada salto se pierde algo: la duda antes de una palabra, la risa a media frase, el silencio incómodo.
Block dice que ese camino comprime el habla en texto y descarta lo que no cabe en una transcripción. Es una afirmación de la compañía, sin evaluación independiente que la respalde. También es la explicación más simple de por qué las demos de Dessa no suenan como un lector de noticias.
Ahí está el gancho técnico. Si el modelo aprende del audio, no necesita un modelo de lenguaje externo que le dicte las respuestas. Block sostiene que el conocimiento de Dessa sale de su propio corpus de conversaciones. Traducido a consecuencias: menos piezas encadenadas, menos latencia y menos llamadas a una API de terceros.
Dúplex completo: hablar y escuchar a la vez
Dessa funciona en dúplex completo. Escucha mientras habla, así que se le puede interrumpir y reacciona en el momento, en lugar de esperar a que termines la frase. Es el mismo terreno que OpenAI pisó este año con GPT-Live.
La diferencia práctica aparece en una llamada. Un sistema por turnos te obliga a esperar tu vez, como un walkie-talkie. Uno dúplex se comporta como una persona al teléfono: asiente, te corta si te alargas, deja un silencio antes de contestar algo delicado.
Ese silencio es la parte difícil. Un modelo puede imitar palabras en minutos. Reproducir el ritmo de una conversación real exige haber escuchado muchas, con sus tropiezos incluidos. Block eligió el corpus más difícil y el más caro a la vez.
Lo que Block muestra en sus demos
La página oficial del proyecto incluye grabaciones de ejemplo, además de una lista de espera. No hay pesos, ni ficha técnica, ni fecha de disponibilidad. En una de las demos, alguien dice que llega cansado del trabajo y la voz del modelo suena cansada. En otra, una persona cuenta un viaje sorpresa y la respuesta llega entrecortada, como si estuviera a punto de llorar.
También hay risas, pausas y cambios de ritmo. Son los rasgos que en lingüística se llaman paralingüísticos: lo que acompaña al contenido y muchas veces decide cómo se interpreta.
The Verge describió el resultado como el de un amigo nuevo incómodo, y la comparación no es injusta. Las voces pasan por humanas. La conversación, en cambio, se queda en lo superficial, con ese punto de torpeza de quien todavía no sabe qué preguntar.
Dessa corre en un MacBook Pro M4 Max, según Block
La compañía afirma que Dessa se puede ejecutar en local en un MacBook Pro con M4 Max o una configuración superior. Si el dato se sostiene, cambia el cálculo de costes: una empresa que hoy paga por minuto de API podría correr el modelo en una máquina que ya tiene sobre la mesa.
Nada de eso está verificado. Sin pesos para descargar, nadie fuera de Block ha medido cuánto ocupa, cuánta memoria pide ni qué calidad mantiene en un portátil. ¿Cabe de verdad en un portátil de 14 pulgadas? Ninguna respuesta pública. TechCrunch añade, a partir de la información de la empresa, que el entrenamiento usó un solo rack de GPU de NVIDIA. Es el dato más llamativo del anuncio y también el más difícil de comprobar desde fuera.
Hay razones para el escepticismo. Los modelos de voz que suenan así suelen necesitar mucha memoria para mantener el hilo de una conversación larga. Meterlos en un portátil y que además respondan al instante son dos objetivos que tiran en direcciones opuestas.
Nadie puede usar Dessa todavía
No hay API, no hay pesos, no hay precio y no hay fecha de lanzamiento. Block abrió una lista de espera y dio acceso temprano a un grupo reducido de investigadores de seguridad en inteligencia artificial.
La empresa dio tres motivos para presentar el proyecto ahora: curiosidad, mejorar la forma en que las personas y las máquinas se entienden, y seguridad. El tercero pesa más de lo que parece, porque el acceso anticipado se diseñó justo para ese fin.
Conviene leer el anuncio como lo que es. Un modelo con demos cuidadas y sin nada descargable no es un producto. Es una declaración de intenciones con fecha.
Sin pesos ni API.
El riesgo de una voz que no suena sintética
Cuanto mejor imita una voz, más fácil resulta usarla para engañar. Medios que siguen el fraude con voz sintética, como CoinDesk, recogieron la preocupación de analistas: una voz que pasa por humana al teléfono es la herramienta ideal para una llamada de suplantación.
Block no ha publicado ninguna defensa técnica contra ese uso. Lo que hizo fue abrir el modelo primero a quien va a buscarle los fallos, un movimiento habitual en seguridad y poco frecuente en lanzamientos comerciales.
El detalle que conviene retener es otro. La prueba más exigente para un modelo así no es una tabla de resultados. Es una llamada en la que la persona del otro lado no sepa que habla con una máquina.
Por qué una empresa de pagos quiere su propio modelo de voz
Block vive de cobrar a comercios pequeños. Square ya ofrece pedidos por voz con IA, y cada llamada que atiende un modelo cuesta dinero. Un modelo propio que corre en local baja ese coste por uso, sobre todo cuando el volumen crece.
De ahí sale la lógica del anuncio. No es un experimento sin destino comercial: es infraestructura para un negocio que ya vende atención automatizada a restaurantes y tiendas.
Queda por ver si Block publica los pesos, si alguien independiente reproduce la calidad de las demos y cuánto aguanta el modelo en una conversación de veinte minutos. Por ahora hay una página, unas cuantas grabaciones y una lista de espera.
