Dessa AI · Laboratorio de Deep Learning de Block · Modelo Nativo de Audio

Dessa AI: El modelo conversacional entrenado solo con voz humana

Dessa AI es un modelo fundacional de voz full-duplex desarrollado en Block. Entrenado desde cero exclusivamente con audio de conversaciones humanas reales —con cero texto y sin modelos de lenguaje preentrenados—, Dessa AI aprende el idioma, el ritmo, las risas, las interrupciones y la prosodia emocional directamente del sonido, usando cientos de veces menos palabras que los LLM de texto.

Block Team Dessa researchers testing live full-duplex speech conversations

Block Team Dessa · 1× NVIDIA GB200 NVL72 training · Local MacBook Pro M4 Max inference.

Explora el Laboratorio Interactivo de Dessa AI

0% Texto
Modalidad de Entrenamiento

Entrenado de extremo a extremo con audio conversacional puro sin transcripciones ni LLM de texto.

100× Menos
Eficiencia de Palabras

Adquiere fluidez lingüística con cientos de veces menos palabras que los modelos de texto.

1× GB200 NVL72
Cómputo de Entrenamiento

Entrenado en un único rack NVIDIA GB200 NVL72, órdenes de magnitud menor que los clústeres de texto.

M4 Max Local
Inferencia en Dispositivo

Se ejecuta más rápido que el tiempo real localmente en un MacBook Pro con chip M4 Max o superior.

Cambio de Paradigma Arquitectónico

Por Qué Aprender Directamente del Sonido lo Cambia Todo

Los asistentes de voz tradicionales acoplan un reconocedor ASR y una voz TTS a un LLM de texto, perdiendo el 90% de la señal paralingüística. Dessa AI procesa el sonido como su representación nativa.

Pipeline Clásico Basado en Texto

Cascada ASR → LLM de Texto → TTS

  • Colapsa el ritmo, la respiración, las dudas y las voces superpuestas en tokens de texto planos.
  • Depende de detectores rígidos de actividad de voz (VAD), generando pausas artificiales.
  • Requiere billones de tokens de texto y enormes centros de datos para entrenar e inferir.
  • La risa y la emoción son etiquetas sintéticas añadidas al final, no dinámicas emergentes.
Arquitectura de Dessa AI (Block)

Audio Full-Duplex Nativo de Extremo a Extremo

  • Entrenado desde cero exclusivamente con audio de conversaciones humanas (0% texto).
  • Escucha y habla en full-duplex real: asiente ('mm-hmm'), cede el turno al ser interrumpido y percibe silencios.
  • Escucha eventos acústicos del entorno de forma nativa, como el timbre de una cafetera.
  • Control prosódico emergente: susurra, suspira, ríe, canta y cambia de tono emocional a mitad de frase.

Prueba de Prosodia y Estrés

Explicando Programación Paralela CUDA con Emociones Extremas

Para demostrar que un modelo puramente acústico mantiene la precisión técnica mientras modula la expresión vocal, los investigadores de Block pidieron a Dessa AI explicar la programación paralela en GPU NVIDIA CUDA cambiando rápidamente entre entusiasmo, susurros, sarcasmo y urgencia teatral.

  • Mantiene una explicación rigurosa de bloques de hilos, warps y memoria compartida mientras varía el timbre vocal.
  • Demuestra que el conocimiento semántico y la expresión paralingüística coexisten en un mismo espacio latente acústico.
  • Sin prompts de texto ni etiquetas emocionales TTS: guiado únicamente por voz en tiempo real.

Huella de Cómputo y Hardware

Entrenado en 1× GB200 NVL72. Inferencia Local en MacBook Pro M4 Max.

1× NVIDIA GB200 NVL72

Entrenamiento en un Solo Rack

Mientras los modelos multimodais de texto requieren decenas de miles de GPU, Dessa AI se entrenó en un único sistema NVIDIA GB200 NVL72.

MacBook Pro (M4 Max+)

Inferencia Local Más Rápida que el Tiempo Real

Dessa AI ejecuta inferencia voz-a-voz full-duplex localmente en un portátil Apple M4 Max o superior sin latencia de nube.

100× Menos Palabras

Adquisición del Lenguaje Como un Niño

Al modelar prosodia, cadencia y retroalimentación social directamente del audio, Dessa AI aprende con una fracción mínima de palabras.

Equipo y Orígenes en Block

Creado por Team Dessa, Reportando a Jack Dorsey

Dessa AI fue creado por un pequeño laboratorio de aprendizaje profundo dentro de Block, Inc., fundado por antiguos miembros de la startup de Toronto Dessa. El equipo está liderado por Ragavan Thurairatnam y reporta directamente a Jack Dorsey.

Líder del Proyecto

Ragavan Thurairatnam (@RagavanThurair)

Patrocinador Ejecutivo

Jack Dorsey (@jack)

Investigadores Principales

Louay Hazami · Hashiam Kadhim · Qi (Alex) Liu · Rayhane Mama · Aydin Polat · Marc Tyndel

Investigadores en Prácticas

Cara Ji · Jibran Iqbal Shah · Dvir Zagury-Grynbaum

Antiguos Internos

Aryan Sharma · Olivia Yan

Convocatoria Abierta para Investigadores de Seguridad en IA

Dado que un modelo de voz indistinguible de un humano que se ejecuta localmente plantea nuevos retos de seguridad y suplantación, Block aún no ha publicado los pesos del modelo y colabora activamente con investigadores de seguridad.

Contacto de Seguridad e Investigación: ragavan+dessa@block.xyz

block.xyz/dessa ↗

Preguntas Frecuentes sobre Dessa AI

¿Qué es Dessa AI de Block?

Dessa AI es un modelo fundacional experimental de voz full-duplex desarrollado por Block, Inc., entrenado desde cero únicamente con audio de conversaciones humanas y sin texto.

¿Utiliza Dessa AI un LLM de texto o reconocimiento ASR internamente?

No. Dessa AI no utiliza transcripciones de texto, ni ASR, ni un LLM de texto intermedio. Procesa y genera ondas de sonido directamente.

¿En qué hardware se entrenó y dónde puede ejecutarse?

Se entrenó en un único sistema NVIDIA GB200 NVL72 y funciona más rápido que el tiempo real localmente en un MacBook Pro con chip Apple M4 Max o superior.

¿Dónde puedo escuchar las grabaciones oficiales de Dessa AI?

Puedes reproducir las 21 conversaciones oficiales sin guion con ondas sincronizadas y transcripciones completas directamente en este sitio.