Extracto sin guion de 2m25s entre Dessa AI y GPT-Live-1 de OpenAI, destacando cesión por interrupción (38.8s), paciencia (100.8s) y backchanneling rápido (128.8s).
Dessa AI vs GPT Live · Duelo Acústico Directo entre Modelos de IA
Dessa AI vs GPT Live (GPT-Live-1): Duelo de Voz y Arquitectura
¿Qué ocurre cuando pones al modelo puramente acústico Dessa AI de Block a conversar en vivo con GPT-Live-1 de OpenAI? Escucha las dos grabaciones oficiales sin guion —en línea de estudio y por altavoz con ruido— y analiza cómo responde ante interrupciones, pausas y retroalimentación rápida.
Grabación #1: Línea de Estudio — Dessa AI conversando con GPT-Live-1 (2:25)
Extracto de una sesión sin guion (100.2s–246.0s) donde Dessa AI y GPT-Live-1 planean un atraco de película. Observa los marcadores en 38.8s (Interrupción), 100.8s (Paciencia) y 128.8s (Backchanneling rápido).
Grabación #2: Prueba de Estrés Acústico — Altavoz en Sala Ruidosa (4:17)
Grabado mediante altavoz abierto en una habitación con reverberación para evaluar cómo ambos modelos gestionan el eco, las risas simultáneas y los choques de turno.
Conversación de 4m17s por altavoz en una sala con eco y ruido entre Dessa AI y GPT-Live-1.
Transcripción sincronizada (139)
Análisis por Marcas de Tiempo: Por Qué Gana el Audio Nativo Full-Duplex
Cesión Instantánea del Turno a Mitad de Frase
Cuando ambos modelos empiezan a hablar a la vez tras una pausa, Dessa AI detecta la colisión acústica en milisegundos y cede la palabra con naturalidad.
Escucha Paciente sin Robar el Turno Prematuramente
Mientras GPT-Live-1 desarrolla una idea larga, Dessa AI sigue la entonación prosódica de la frase en lugar de cortar por un temporizador fijo de silencio.
Asentimientos Sub-Segundo y Risa Compartida
Dessa AI introduce breves apoyos vocales ('yeah', 'right', risas) mientras escucha sin interrumpir el discurso del interlocutor.
Resistencia a Reverberación y Ruido de Sala
En la prueba de 4 minutos por altavoz, Dessa AI adapta su cadencia al eco de la habitación sin alucinar palabras fantasma.
Comparativa de Arquitectura: Dessa AI vs. GPT-Live-1 / GPT-4o Realtime
Comparación técnica entre el enfoque puramente acústico de Block y los modelos de voz basados en preentrenamiento de texto.
| Dimensión | Dessa AI (Block) | GPT-Live-1 / Modelos Preentrenados con Texto |
|---|---|---|
| Modalidad de Entrenamiento | 100% audio de conversación humana desde cero (0% texto) | Preentrenado con billones de tokens de texto + post-entrenamiento de audio |
| Eficiencia de Muestras | Aprende el idioma con 100× menos palabras que los LLM de texto | Requiere corpus de texto a escala web (billones de tokens) |
| Toma de Turnos Full-Duplex | Modelado continuo de ondas; superposición y cesión nativas | Streaming híbrido; suele depender de heurísticas de detección de turno |
| Backchanneling | Asentimientos acústicos sub-segundo sin robar el turno | Rara vez asiente mientras escucha; espera o interrumpe por completo |
| Conciencia Acústica Ambiental | Reacciona directamente a sonidos como el timbre de una cafetera | Suele filtrar sonidos no verbales o ignorarlos |
| Prosodia Emocional y Risa | Emergente del audio conversacional; cambia de tono a mitad de frase | Controlada mediante prompts de estilo o condicionamiento sintético |
| Cómputo de Entrenamiento | 1× rack NVIDIA GB200 NVL72 | Clústeres masivos de centros de datos |
| Inferencia Local en Dispositivo | Más rápido que el tiempo real en MacBook Pro (M4 Max+) | Solo API en la nube; requiere GPU de centro de datos |
| Estado de Lanzamiento | Vista previa de investigación (21 grabaciones; revisión de seguridad) | API comercial en la nube y modo de voz de consumo |
Preguntas Frecuentes: Dessa AI vs GPT Live
¿Qué es GPT-Live-1 en las grabaciones de Dessa AI?
En la publicación oficial de Block (block.xyz/dessa), GPT-Live-1 es el modelo de voz en vivo de OpenAI puesto a conversar directamente sin guion con Dessa AI.
¿Por qué Dessa AI suena más natural durante las interrupciones?
Porque modela simultáneamente ambos canales de audio sin convertir la voz en texto ni depender de un detector VAD rígido.