🌐 Block lanza modelo de voz Dessa con capacidad de expresión humana
El nou model de veu de Block sona inquietantment humà
L'empresa de Jack Dorsey, Block, ha llançat un nou model de veu des del seu laboratori de recerca que opera localment i sona sorprenentment humà, amb expressions com rialles, pauses i plors. El model, anomenat Dessa, està entrenat completament en parla humana i funciona amb un sol rack de GPU NVIDIA.
Dessa és un model de full-dúplex, la qual cosa significa que pot parlar i escoltar al mateix temps, similar al model GPT-Live que OpenAI va llançar a principis d'aquest any. Normalment, els models de veu es combinen amb un gran model de llenguatge per a la recuperació de coneixement. Block ha afirmat que el coneixement de Dessa prové de les dades conversacionals que posseeix.
La companyia ha destacat que els models actuals poden sonar poc naturals i molestos perquè tenen text en la cadena que impulsa la generació de veu. Molts models, com ElevenLabs v4 o Fish Audio Drama 3, utilitzen etiquetes de veu per impulsar l'emoció en la generació de la parla. No obstant això, l'empresa de Dorsey assegura que l'emoció està integrada en el seu model, encara que no està clar si aquesta emoció és guiada per algun tipus d'etiquetes.
"Interactuar amb la IA de veu actual pot ser simplement desagradable. Converteix la teva veu en text i descarta una quantitat increïble d'informació que el text per si sol no pot portar. Creiem que això és ridícul, porta a una pitjor experiència i és potencialment perillós", va dir la companyia en una publicació de blog.
Els investigadors de l'empresa han publicat múltiples exemples de converses amb Dessa on l'agent tenia diferents veus, cadències i emocions. Per exemple, en una conversa, el bot va afirmar estar cansat de la feina, i en aquell moment sonava cansat.
Block ha indicat que el model pot executar-se localment en un ordinador de consum, com un MacBook M4 Max o superior. No obstant això, no hi ha accés públic a Dessa per ara, i Block ha fet una crida a investigadors de seguretat per provar el model. Això probablement sigui per provar casos en què un agent de veu podria enganyar les persones a l'altre extrem.
Block està en el negoci de les finances i ven les seves solucions a petites empreses. Square ja utilitza IA de veu per gestionar comandes. Però amb el seu propi model de veu que pot funcionar en el dispositiu, pot potenciar moltes més experiències empresarials i de consum a un cost menor.
Font: https://techcrunch.com/2026/10/24/blocks-new-voice-model-sounds-eerily-human/
Block’s new voice model sounds eerily human
La empresa de Jack Dorsey, Block, ha lanzado un nuevo modelo de voz desde su laboratorio de investigación que opera localmente y suena sorprendentemente humano, con expresiones como risas, pausas y llantos. El modelo, llamado Dessa, está entrenado completamente en habla humana y funciona con un solo rack de GPU NVIDIA.
Dessa es un modelo de full-dúplex, lo que significa que puede hablar y escuchar al mismo tiempo, similar al modelo GPT-Live que OpenAI lanzó a principios de este año. Normalmente, los modelos de voz se combinan con un gran modelo de lenguaje para la recuperación de conocimiento. Block ha afirmado que el conocimiento de Dessa proviene de los datos conversacionales que posee.
La compañía ha destacado que los modelos actuales pueden sonar poco naturales y molestos porque tienen texto en la cadena que impulsa la generación de voz. Muchos modelos, como ElevenLabs v4 o Fish Audio Drama 3, utilizan etiquetas de voz para impulsar la emoción en la generación del habla. Sin embargo, la empresa de Dorsey asegura que la emoción está integrada en su modelo, aunque no está claro si esa emoción es guiada por algún tipo de etiquetas.
«Interactuar con la IA de voz actual puede ser simplemente desagradable. Convierte tu voz en texto y descarta una cantidad increíble de información que el texto por sí solo no puede llevar. Creemos que eso es ridículo, lleva a una peor experiencia y es potencialmente peligroso», dijo la compañía en una publicación de blog.
Los investigadores de la empresa han publicado múltiples ejemplos de conversaciones con Dessa donde el agente tenía diferentes voces, cadencias y emociones. Por ejemplo, en una conversación, el bot afirmó estar cansado del trabajo, y en ese momento sonaba cansado.
Block ha indicado que el modelo puede ejecutarse localmente en una computadora de consumo, como una MacBook M4 Max o superior. Sin embargo, no hay acceso público a Dessa por el momento, y Block ha hecho un llamado a investigadores de seguridad para probar el modelo. Esto probablemente sea para probar casos en los que un agente de voz podría engañar a las personas en el otro extremo.
Block está en el negocio de las finanzas y vende sus soluciones a pequeñas empresas. Square ya utiliza IA de voz para gestionar pedidos. Pero con su propio modelo de voz que puede funcionar en el dispositivo, puede potenciar muchas más experiencias empresariales y de consumo a un costo menor.
Fuente: https://techcrunch.com/2026/10/24/blocks-new-voice-model-sounds-eerily-human/
Block’s new voice model sounds eerily human
Jack Dorsey's company, Block, has launched a new voice model from its research lab that operates locally and sounds surprisingly human, with expressions such as laughter, pauses, and cries. The model, called Dessa, is fully trained on human speech and runs on a single NVIDIA GPU rack.
Dessa is a full-duplex model, meaning it can speak and listen simultaneously, similar to the GPT-Live model that OpenAI released earlier this year. Typically, voice models are combined with a large language model for knowledge retrieval. Block has claimed that Dessa's knowledge comes from the conversational data it possesses.
The company has highlighted that current models can sound unnatural and annoying because they have text in the chain that drives voice generation. Many models, like ElevenLabs v4 or Fish Audio Drama 3, use voice tags to drive emotion in speech generation. However, Dorsey's company assures that emotion is integrated into its model, although it is unclear if that emotion is guided by any kind of tags.
"Interacting with current voice AI can be simply unpleasant. It turns your voice into text and discards an incredible amount of information that text alone cannot carry. We believe that is ridiculous, leads to a worse experience, and is potentially dangerous," the company said in a blog post.
The company's researchers have published multiple examples of conversations with Dessa where the agent had different voices, cadences, and emotions. For example, in one conversation, the bot claimed to be tired of work, and at that moment, it sounded tired.
Block has indicated that the model can run locally on a consumer computer, such as a MacBook M4 Max or higher. However, there is no public access to Dessa at the moment, and Block has called on security researchers to test the model. This is likely to test cases where a voice agent could deceive people on the other end.
Block is in the finance business and sells its solutions to small businesses. Square already uses voice AI to manage orders. But with its own voice model that can run on the device, it can power many more business and consumer experiences at a lower cost.
Source: https://techcrunch.com/2026/10/24/blocks-new-voice-model-sounds-eerily-human/
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →