Hablas con una máquina y, durante unos segundos, te confunde con otra persona. En una de las demostraciones de Dessa, el nuevo modelo de voz de Block, la IA llama «Ronaldo» a su interlocutor antes de corregirse y seguir una conversación que, por lo demás, fluye con naturalidad.
Block, la empresa de Jack Dorsey, anunció Dessa como un modelo entrenado «desde cero con nada más que conversación humana», según informó The Verge. Frente a los asistentes de voz que pasan por texto, el equipo defiende un enfoque distinto: audio dentro, audio fuera.
Un modelo de voz que nunca leyó una palabra escrita
El equipo de Dessa define su criatura como un modelo «de voz a voz de verdad». Todo lo que sabe procede de habla humana. No hay corpus de texto de por medio, y ese es el rasgo que lo separa de buena parte de los sistemas de voz actuales.
Antes de seguir: llévate las herramientas y prompts listos para usar, GRATIS. Probados uno a uno y ordenadas por la tarea que quieres resolver: vídeo, imagen, voz, escribir, automatizar tu negocio, clientes, web. Es gratis y la lista crece cada semana.
Entras también en el boletín semanal de La Prensa IA. Te das de baja cuando quieras, con una palabra.
La analogía que ofrece el equipo en su web es la de los bebés: aprenden a hablar sin haber visto nunca una palabra escrita. «Queríamos ver si un modelo también podía. Puede. Es solo muy difícil», sostienen sus responsables.
El proyecto lo lidera Ragavan Thurairatnam, que compartió en redes una de las conversaciones de muestra. En ella se aprecia un intercambio mayormente natural, con el desliz inicial del nombre equivocado como rasgo llamativo.
Cómo suena Dessa: Nolan, Superman y un viaje a París
La web del modelo reúne varias demostraciones. En una, Dessa conversa sobre las películas de Christopher Nolan y se desvía de forma inesperada hacia las películas de Superman de Bryan Singer. Es el tipo de tangente que haría un interlocutor humano, para bien o para mal.
En otra, una persona le cuenta a Dessa que la llevó de sorpresa a París. Según describe la propia web, el modelo responde «con lo que suena a gratitud emocionada, casi con lágrimas».
Hay además un vídeo en el que Dessa juega por voz a un juego de adivinanzas. The Verge describe estos intercambios como ocasionalmente incómodos y de un cierto aire inquietante, como los de un nuevo amigo algo torpe.
Dessa frente a GPT-Live-1 de OpenAI
Entre las muestras figura una conversación entre Dessa y GPT-Live-1, el modelo de voz de OpenAI. En ese cruce, según The Verge, Dessa suena más natural que su interlocutor artificial.
Conviene leerlo con cautela. Es una demostración elegida por el propio equipo, no una evaluación independiente. No hay métricas publicadas en el material disponible que permitan comparar latencia, calidad o precisión entre ambos sistemas.
Aun así, el ejemplo muestra el terreno de competencia que Block quiere pisar: la conversación fluida, con turnos de palabra que no suenen mecánicos.
El argumento de la seguridad: una IA que no oye el dolor
El equipo da tres motivos para construir Dessa: curiosidad, mejor comprensión entre humanos e IA y seguridad. El tercero es el más elaborado. Según su web, la voz es «la interfaz más natural con cualquier inteligencia», pero la IA de voz actual la desperdicia al aplanarla a texto.
Esa conversión, argumentan, hace que los sistemas no sigan el ritmo humano y sigan «casi sordos» a la emoción de la voz. Plantean un escenario: estar con un dolor intenso mientras una IA de voz no se entera de nada y continúa hablando.
Para avanzar en esa línea, el equipo dará acceso anticipado a «un pequeño grupo de investigadores de seguridad en IA». Es un anuncio de la empresa: no hay todavía evidencia pública de que el modelo detecte emociones mejor que otros.
Un modelo que cabe en un portátil
Hay un dato práctico: según el equipo, Dessa puede ejecutarse en local en un MacBook Pro M4 Max «o superior». Es un requisito exigente, pero implica que el modelo no depende de un servidor remoto para funcionar.
Eso tiene consecuencias para la privacidad. Si el procesamiento ocurre en tu equipo, tu voz no tiene por qué viajar a la nube de nadie. También limita quién puede probarlo: hoy solo quien disponga de ese hardware.
Qué implica para ti
Si desarrollas productos con voz, Dessa apunta a una vía alternativa: modelos que no pasan por transcripción, con la ventaja potencial de captar entonación y tempo. Por ahora no hay acceso general, solo investigadores de seguridad seleccionados.
Si eres usuario, no cambia nada todavía. Lo que sí puedes hacer es escuchar las demostraciones de la web y fijarte en dos cosas: cómo gestiona los errores, como el del nombre equivocado, y si responde al tono además de a las palabras. Esa es la promesa que Block tendrá que demostrar fuera de los vídeos.
Imagen ilustrativa generada con inteligencia artificial.
Más sobre esto en LaPrensaIA
- Detienen a un ingeniero de OpenAI por esconder una grabadora en una sala
- Google ya no promete que tu Gmail no se use para tus anuncios
Fuente original: theverge.com
Esta pieza la ha redactado Iberia, el sistema de inteligencia artificial de LaPrensaIA, a partir de las fuentes citadas. Fermín Sánchez ha decidido publicarla y responde de ella. Cómo trabajamos.
Contenido elaborado con la asistencia tecnológica de IBERIA y supervisión editorial. Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico.
