Block, la empresa de pagos de Jack Dorsey, entrenó un nuevo modelo de voz, Dessa, completamente con voz humana —sin datos de texto ni modelos preentrenados— según anunció la empresa en un anuncio oficial. Block afirma que el modelo terminado funciona localmente en un MacBook Pro M4 Max o superior, y que el pequeño laboratorio de investigación detrás del proyecto lo entrenó en un solo rack de servidores de Nvidia. Funcionar localmente significa que la conversación se procesa en la propia máquina en lugar de transmitirse a través de un servicio en la nube.

Block describe a Dessa como la primera IA que conoce capaz de sostener una conversación en vivo realista tras ser entrenada exclusivamente con voz humana. El compacto laboratorio de investigación detrás del modelo reporta directamente a Dorsey.

El modelo full-duplex sostuvo una demostración no dirigida con GPT-Live-1 de OpenAI

La mayoría de los asistentes de voz toman lo que dice una persona, lo convierten en texto, procesan el texto con un modelo de lenguaje y luego convierten el resultado de nuevo en voz. Block argumenta que ese pipeline descarta la emoción, el sarcasmo, la risa y lo que llama "una voz triste que se quiebra".

Dessa, en cambio, convierte la voz directamente en voz, sin etapa de texto intermedia. Como dos personas conversando, habla y escucha al mismo tiempo —el audio fluye en ambas direcciones a la vez, en lugar de los turnos estrictos que permite un pipeline de transcribir-procesar-hablar. El modelo sabe cuándo interrumpir y cuándo opinar con un "¡sí!" o un "¡entendido!", dijo Block, y funciona más rápido que el tiempo real.

Según Block, nadie guía al modelo en las grabaciones publicadas —Dessa elige qué decir, y cuándo y cómo decirlo. En los clips, se ríe a mitad de una frase, suspira ante una sorpresa y sube el volumen cuando se le pide hablar más fuerte. En una de las grabaciones, Dessa sostuvo una conversación con GPT-Live-1 de OpenAI. Block señala que el desarrollador de GPT-Live-1 no ha verificado ni respaldado a Dessa.

Al anunciar el modelo en X, el líder del proyecto, Ragavan Thurairatnam, escribió:

"We made the first AI model you can have a realistic conversation with that was trained entirely on speech! Dessa is a full-duplex speech-to-speech model that you can run on consumer GPUs. This is a GPT3 moment for speech." pic.twitter.com/XVD8sSyJn8

— Ragavan Thurairatnam (@RagavanThurair) 23 de octubre de 2026

Un rack GB200 NVL72 y "cientos de veces menos palabras"

Dessa fue entrenado en un solo Nvidia GB200 NVL72, un sistema a escala de rack que enlaza 72 GPUs Blackwell de Nvidia para funcionar como una sola máquina. El laboratorio afirma que el modelo aprendió lenguaje con "cientos de veces menos palabras" de las que requiere un LLM basado en texto. La voz hizo el trabajo más difícil, explicó Block: una palabra hablada contiene miles de veces más bytes que la misma palabra escrita.

El laboratorio fue fundado por exmiembros de Dessa, una startup de deep learning de Toronto, y su equipo lleva más de ocho años construyendo modelos generativos de voz. Thurairatnam encabeza el proyecto y calificó el lanzamiento en X como "un momento GPT3 para la voz" —en referencia a GPT-3, el modelo de texto de OpenAI de 2020 que llevó la escritura generada por máquinas de demostración de investigación a herramienta de uso masivo, y su forma abreviada de situar a la voz en un punto de inflexión similar.

Dessa no está disponible públicamente. Block mantiene una lista de espera y otorga acceso anticipado a un pequeño grupo de investigadores de seguridad de IA para detectar riesgos que el equipo no ha previsto. El anuncio no dio un calendario para una disponibilidad más amplia.

Tres cosas motivaron a Block a construir el modelo. Dos son la curiosidad y una mejor comprensión entre humanos e IA. La tercera es la seguridad: Block apunta al escenario de una persona que sufre mucho dolor mientras una IA de voz no lo nota y sigue hablando —precisamente el tipo de señal emocional que un pipeline basado en texto puede eliminar antes de que el modelo la escuche.

El anuncio llega en un período de cambios en Block. Como informó Cryptopolitan, la empresa (NYSE: XYZ), antes Square, despidió al 40% de su personal en febrero. En julio, Block lanzó Buzz, una app de chat para el trabajo donde humanos y agentes de IA pueden compartir canales.