Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
HN Daily
Inteligencia artificial · block.xyz
Dessa: un modelo de conversación entrenado solo con voz
Block presenta Dessa, un modelo de conversación entrenado únicamente con voz. Según los comentarios, funciona en local en un MacBook Pro M4 Max o superior y se entrenó con un solo NVIDIA GB200 NVL72. Las demos, con interrupciones y una conversación con una «novia» de IA, han dividido a la comunidad.
Foto: vía block.xyz
1 medio · MadridPublicada 24 oct, 07:40· Ya no está en portadaEscrita por IA · cómo funciona
Dessa es un modelo de conversación entrenado solo con voz y publicado por Block, la empresa matriz de Square, Cash App, Afterpay y TIDAL. El sitio dessa.com lo gestiona Block, según el aviso de privacidad que aparece en el enlace.
Un comentario cita la página del proyecto: el modelo se ejecuta en local en un MacBook Pro M4 Max o mejor, y se entrenó con un solo NVIDIA GB200 NVL72. Esos datos son lo que más ha llamado la atención de los lectores.
Según los comentarios, la página incluye demos de conversación full-duplex, en las que el modelo habla a la vez que la persona en lugar de esperar su turno. La tercera demo es una charla con una «novia» de IA. Otro comentario indica que el título original era más sensacionalista (hablaba de lo «más auténtico jamás visto») y que un moderador lo cambió.
«Dessa: Conversation Model trained only on speech» · puesto 8 · 317 puntos · enviado por dsr12
Lo que dicen los comentarios
La conversación se reparte entre el asombro técnico y la incomodidad con lo que se oye. Se celebra que el modelo corra en un portátil y se entrenara con tan poco hardware, aunque se discute si Block puede considerarse «indie» y si hay precedentes, como la demo en directo de Cartesia en un MacBook Pro. Varios comentaristas creen que las voces suenan demasiado teatrales, como si el modelo se hubiera entrenado con podcasts, obras de teatro o novelas. Otros critican que interrumpa tanto y que sirva sobre todo para imitar a una persona, no para razonar mejor. También hay quien pregunta si el modelo entiende de verdad el sonido (música, tarareos) o solo la voz, y quien recuerda Google Duplex de 2018. Pesa además el rechazo a la demo de la novia de IA y a los títulos exagerados que luego se corrigen.
Los ejemplos de conversación impresionan, pero lo que me hizo soltar un «hostia» fue esto: corre en local en un MacBook Pro M4 Max o mejor y se entrenó con un solo NVIDIA GB200 NVL72.
Por lo que se oye en las demos, parece entrenado con muchos podcasts. Y habría que penalizar que se publique en HN con un título sensacionalista y un moderador lo cambie después: «el más auténtico jamás» es marketing.
Estas demos de conversación simultánea me parecen demasiado artificiales. Está bien que el modelo hable a la vez que tú, pero entrenarlo para interrumpir tanto no es el camino. El humano no termina ni una frase.
Gran parte de la tecnología de voz reciente es una interfaz para el razonamiento que hay detrás. Este modelo no es muy listo, así que la voz es todo el objetivo, y eso equivale a imitar a personas.
Técnicamente muy impresionante, pero la conversación falsa con la máquina me dio vergüenza ajena. Fingir que le importas no me invita a hablar. Quiero una conversación inteligente que aporte a lo que estoy haciendo.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.