Según MarkTechPost (AI/ML News), el laboratorio de investigación de inteligencia artificial de Block ha presentado Dessa, un modelo de procesamiento de voz que opera en modo full-duplex y fue entrenado exclusivamente con audio de conversaciones humanas. La novedad fue anunciada el 23 de octubre de 2026 como una demostración técnica, sin publicación de métricas oficiales ni disponibilidad de un servicio comercial. Dessa permite que el sistema escuche y hable simultáneamente, sin depender de textos ni modelos preentrenados, lo que representa una ruptura con el diseño dominante en agentes de voz actuales, que suelen basarse en cadenas de procesos de reconocimiento de voz, procesamiento de texto y síntesis de voz.
El modelo fue entrenado únicamente con grabaciones de conversaciones reales, sin intervención de textos ni modelos previos. Este enfoque permite que Dessa capte expresiones emocionales, silencios, risas interrumpidas y respuestas breves como “sí” o “entendido”, elementos que normalmente son perdidos en sistemas tradicionales. Las pruebas demostradas muestran que el modelo puede interrumpir naturalmente, reaccionar con entusiasmo o ajustar su volumen cuando se le pide hablar más fuerte. En una muestra, Dessa interactuó directamente con GPT-Live-1 de OpenAI, sin intervención humana en ninguna de las secuencias. Los datos de entrenamiento se basan en un entorno computacional de 72 GPUs NVIDIA GB200 NVL72, integrando 36 procesadores Grace CPUs, mientras que Moshi, otro proyecto paralelo, utilizó 1.016 GPUs H100. A pesar de la sofisticación técnica, no existen puntuaciones oficiales de rendimiento, ni se ha divulgado el diseño interno, ni se ofrece acceso a pesos, publicación técnica ni API comercial.
Para el lector peruano, esta innovación representa un paso significativo hacia tecnologías más auténticas en la interacción humana. Aunque aún en fase experimental, Dessa sugiere que futuras aplicaciones de asistentes de voz podrían evitar la pérdida de tono, emoción o contexto emocional que actualmente se observa en dispositivos comerciales. En un contexto donde los peruanos cada vez más dependen de asistentes digitales para tareas cotidianas —como gestionar llamadas, recordar eventos o buscar información—, el desarrollo de modelos que entiendan el lenguaje no solo como palabras, sino como expresiones humanas reales, puede mejorar la calidad y cercanía de estas herramientas. Aunque el acceso a este tipo de tecnología aún es limitado y requiere equipos de alto rendimiento, su evolución podría acelerar la integración de soluciones más humanas en entornos domésticos, comerciales y gubernamentales.