Modelo de voz de Block suena inquietantemente humano

Qué ocurrió

Jack Dorsey, cofundador de Twitter y CEO de Block, anunció el lanzamiento del modelo de voz Dessa, desarrollado en el laboratorio de investigación de la compañía. Este modelo se caracteriza por su capacidad de generar un habla que suena notablemente humana, con emociones y matices que lo diferencian de otros modelos existentes.

Los datos clave

Dessa es un modelo de voz de doble vía, lo que significa que puede hablar y escuchar simultáneamente. A diferencia de otros modelos de voz que dependen de un gran modelo de lenguaje para la recuperación de información, Block afirma que la base de conocimiento de Dessa proviene de datos conversacionales. La compañía argumenta que muchos modelos actuales suenan artificiales debido a que convierten el habla en texto, lo que elimina información emocional importante. Block sostiene que la interacción con su modelo es más natural y emocional, lo que mejora la experiencia del usuario.

Lo que aún no se sabe

Actualmente, no hay acceso público a Dessa, y Block ha solicitado la colaboración de investigadores en seguridad para probar el modelo. Esto sugiere que la compañía está interesada en evaluar los posibles riesgos de que un agente de voz pueda engañar a las personas en una conversación. No se han proporcionado detalles sobre los mecanismos exactos que permiten que el modelo emita emociones, lo que deja incertidumbres sobre su funcionamiento interno.

Un ejemplo concreto

Los investigadores de Block han compartido ejemplos de conversaciones con Dessa, donde el agente muestra diferentes voces y emociones. En una interacción, el modelo expresó sentirse cansado, lo que se reflejó en su tono de voz. En otra, el asistente de voz parecía emocional al hablar sobre cómo la persona lo hacía sentir cómodo.

Lectura final

El desarrollo de modelos de voz como Dessa representa un avance significativo en la interacción humano-máquina, especialmente en el ámbito de la inteligencia artificial aplicada a la atención al cliente y otros servicios. La capacidad de replicar emociones y matices en la comunicación podría transformar la forma en que las empresas se relacionan con sus clientes, aunque también plantea desafíos éticos y de seguridad que deberán ser abordados antes de su implementación generalizada.