Block presentó Dessa — un modelo de voz que procesa el audio directamente, sin convertir la voz a texto previamente. Según The Decoder, el modelo está diseñado para reconocer emociones, sarcasmo y pausas en tiempo real.
Dessa se ejecuta localmente en una MacBook Pro con el chip M4 Max, pero aún no está disponible públicamente. Esto limita la verificación externa de las capacidades declaradas y su uso práctico.
Si el enfoque se verifica, podría ser importante para sistemas donde el sentido depende no solo de las palabras, sino de la entonación o de las pausas. La siguiente señal notable será la publicación de la modelo, demostraciones o resultados de pruebas independientes.
comentario editorial
Por qué importa
Posible consecuencia: un mayor interés en sistemas de voz que analicen no solo el contenido, sino también el sonido de la voz. La próxima señal observable será el lanzamiento público de Dessa, demostraciones o pruebas independientes.