🎙️ Block, la empresa de Dorsey, presenta Dessa, un modelo de IA de «voz pura»: no pasa por el texto, entiende las emociones y puede ejecutarse localmente en una laptop
Según el sitio web oficial de Block y un artículo de TechCrunch del 24/10:
1️⃣ Dessa es un modelo de voz a voz full-duplex: escucha y habla al mismo tiempo, puede interrumpir y asentir, y reconocer y expresar emociones como la risa, los suspiros y la voz entrecortada
2️⃣ La empresa afirma que lo entrenó desde cero usando únicamente audio de conversaciones humanas, sin texto ni modelos preentrenados. El entrenamiento se realizó con una sola NVIDIA GB200 NVL72
3️⃣ Puede ejecutarse localmente en una MacBook Pro M4 Max o superior, y la inferencia es más rápida que en tiempo real. Por ahora no se han publicado descargas, API ni precios; solo se aceptan solicitudes anticipadas de investigadores de seguridad (Unite.AI, The Verge)
【Opinión】
La IA de voz convencional sigue el proceso «voz a texto → modelo grande → conversión a voz», lo que genera mucha latencia y hace que se pierdan todas las emociones. Dessa toma otro camino: procesamiento en el dispositivo y voz nativa. Para Block, esto podría traducirse en agentes de voz locales más baratos para tomar pedidos en las tiendas Square y atender a clientes de Cash App. La señal más importante es que la competencia en IA está pasando de «competir en parámetros» a «competir en experiencia de interacción y costo en el dispositivo». La demanda de capacidad de cómputo también se extenderá desde la nube hasta los dispositivos de los usuarios.
【Oportunidades y riesgos】
✅ A tener en cuenta: los chips de IA para dispositivos y la renovación de PC y celulares de gama alta; la integración de la atención al cliente por voz con IA y los pagos; el sentimiento del mercado en torno a la computación descentralizada y los agentes de IA
⚠️ Riesgos: por ahora solo hay demostraciones, sin evaluaciones comparativas ni pesos disponibles públicamente; lo de «el momento GPT-3» es una valoración del propio equipo. Las voces emocionales realistas también podrían agravar las estafas telefónicas y los riesgos de los deepfakes, lo que podría atraer la atención de los reguladores
¿Preferirías conversar con una IA de voz que «suspira y se ríe», o te inquietaría que parezca demasiado humana?
#AI #语音AI #端侧AI #Block $BTC $FET Solo con fines informativos; no constituye asesoramiento de inversión