Dessa, la IA de voz de Block, aprendió a hablar sin ningún texto

Block, la empresa detrás de Square y Cash App, presentó Dessa, un modelo de IA de voz entrenado solo con grabaciones de personas hablando, sin ningún texto escrito. Block publicó la vista previa de investigación el 23 de octubre de 2026 y dice que el modelo funciona en un MacBook Pro. Si las afirmaciones se confirman, Dessa apunta a asistentes de voz que oyen el tono y la emoción en lugar de leer una transcripción.

Todavía no hay un lanzamiento público. Block da acceso anticipado primero a un pequeño grupo de investigadores en seguridad de la IA, con una lista de espera para todos los demás, según la página de Dessa de Block.

En qué se diferencia Dessa de la IA de voz actual

La mayoría de los asistentes de voz funcionan por pasos. Convierten su voz en texto, dejan que un modelo de texto escriba una respuesta y luego leen esa respuesta en voz alta. Block sostiene que ese proceso pierde la mayor parte de lo que transmite una voz. "Convierte su voz en texto y desecha una cantidad increíble de información que el texto por sí solo no puede transmitir", escribió la empresa, según TechCrunch.

Dessa se salta el texto. Entra audio y sale audio. "Entrenamos a Dessa desde cero solo con conversación humana", dice la página de Block, sin texto y sin un modelo de lenguaje preentrenado debajo.

Dessa también es full-duplex (dúplex completo). Eso significa que escucha y habla al mismo tiempo, como en una llamada telefónica y no como con un walkie-talkie. Puede intervenir, reaccionar a las interrupciones, reírse y dar respuestas cortas como "¡sí!" mientras usted todavía está hablando. Block lo llama "el modelo de voz full-duplex más auténtico jamás construido", una afirmación que ningún evaluador externo ha comprobado todavía.

Entrenamiento y hardware

Block dice que Dessa aprendió el lenguaje con "cientos de veces menos palabras" de las que necesita un gran modelo de lenguaje. Su página señala que una palabra hablada ocupa miles de veces más bytes que la misma palabra escrita.

El entrenamiento se hizo en un solo Nvidia GB200 NVL72, un sistema a escala de rack con 72 GPU Blackwell, según la página de Block y Notebookcheck. El reportaje de TechCrunch citó a Block hablando de "una sola GPU de NVIDIA". La propia página de Block nombra el sistema GB200 NVL72 completo.

Ejecutar el modelo requiere mucho menos. Block dice que Dessa funciona en local en un MacBook Pro con un chip M4 Max o superior, más rápido que en tiempo real.

Lo que Block ha dicho	Lo que no ha dicho
Entrenado solo con conversación humana	Cuántas horas, ni de dónde salieron las grabaciones
Entrenado en un GB200 NVL72	Tamaño del modelo o número de parámetros
Funciona en un MacBook Pro M4 Max o superior	Latencia en milisegundos
Los investigadores de seguridad tienen acceso primero	Fecha de lanzamiento, precio, licencia o pesos

Block no ha publicado ningún artículo científico ni resultados de benchmarks, señalan CoinDesk y Notebookcheck. Sus demos las elige Block. Una demo empareja a Dessa con GPT-Live-1, una voz de IA cuyo desarrollador, según Block, no tiene relación con la empresa.

Quién lo construyó

El laboratorio lo dirige Ragavan Thurairatnam. Sus miembros vienen de Dessa, una startup de aprendizaje profundo de Toronto que Square compró en 2020 y cuyo nombre lleva ahora el modelo, informa CoinDesk. "Un modelo que aprendió a hablar solo a partir del sonido es territorio nuevo, y queremos miradas externas sobre él", escribió Thurairatnam en la página de Block.

Jack Dorsey, cuya empresa construyó el modelo, elogió el resultado en X. "Hablar con él se siente como hablar con una persona…lleno de emoción, matices, pausas y una cadencia natural", escribió, según cita CoinDesk.

Temores de estafas

Ese mismo realismo preocupa a la gente. La cineasta Justine Bateman preguntó si el objetivo era que "se pueda engañar a la gente para que baje la guardia", informa CoinDesk. El periodista Shiv Aroor escribió: "Las llamadas de estafa están a punto de alcanzar nivel de pandemia".

La página de Block plantea la seguridad de otra manera. Sostiene que el riesgo es una IA de voz que no puede percibir la angustia, y quiere que los investigadores prueben Dessa pronto. La página no menciona marcas de agua, límites a la clonación de voz ni otros controles contra el mal uso.

Dessa llega en un mes muy activo para los modelos de voz. Tech AI Wire cubrió en octubre los agentes de voz Eleven Realtime de ElevenLabs y Grok Voice 3.0 de xAI.

Qué significa esto para los desarrolladores

Todavía no hay nada sobre lo que construir. Dessa no tiene API, ni pesos, ni licencia. Si trabaja en productos de voz, únase a la lista de espera y espere a tener acceso real antes de hacer planes en torno a él.

Vigile la afirmación sobre el funcionamiento en el dispositivo. Un modelo de voz full-duplex que funcione más rápido que en tiempo real en un portátil cambiaría el coste de las aplicaciones de voz. Las llamadas no necesitarían un viaje de ida y vuelta a la nube para cada respuesta. Compruebe si un Mac más modesto puede ejecutarlo cuando Block publique los requisitos.

Prepárese para un mundo en el que no se puede confiar en las voces solo por cómo suenan. Si su aplicación gestiona pagos, llamadas de soporte o recuperación de cuentas, no confíe en una voz que "suena humana" como prueba de nada. Añada números de devolución de llamada, confirmación dentro de la aplicación u otras comprobaciones que una voz sintética no pueda superar.

Hágale a Block las preguntas pendientes antes de adoptarlo: de dónde salieron las conversaciones de entrenamiento, si los hablantes dieron su consentimiento y qué impide que el modelo copie la voz de una persona real.