La voz que ya no transcribe: Block y Rime procesan el audio directo para call centers
Respuesta directa
La nueva generación de voz para negocios procesa el audio directo, sin convertirlo primero en texto. En la semana del 27 de octubre de 2026, Block presentó Dessa, un modelo de voz a voz que escucha y habla al mismo tiempo, y Rime lanzó Prism, un modelo de voz a voz para llamadas de servicio que expone la respuesta propuesta para revisión antes de que el cliente la escuche. La promesa común: conservar pausas, interrupciones, risa y tono, la información que la transcripción descarta en el camino.
Block Dessa: la conversación como entrenamiento
- Anuncio del 23 de octubre de 2026: Block, la empresa detrás de Square y Cash App, presentó Dessa como un modelo entrenado solo con audio de conversaciones humanas, sin texto y sin modelo preentrenado, según la empresa.
- Full-duplex: Dessa escucha mientras habla, como dos personas en una llamada, en lugar de esperar su turno. Block dice que aprendió de conversaciones reales cuándo interrumpir y cuándo señalar que sigue la conversación.
- Corre más rápido que en tiempo real y corre en local: Block informó que la inferencia corre más rápido que en tiempo real y que el modelo corre en una MacBook Pro M4 Max o superior.
- Vista previa de investigación, sin acceso público: no hay aplicación pública, ni API, ni fecha de lanzamiento comercial. El acceso temprano es para un grupo pequeño de investigadores de seguridad de IA, y Block no publicó tasa de error, latencia, tamaño del modelo ni benchmarks contra competidores.
- La advertencia que acompaña al anuncio: voces que suenan humanas también bajan el costo del fraude por teléfono. La cobertura de PYMNTS y TechCrunch recoge preocupaciones de cineastas y periodistas sobre llamadas engañosas, y la defensa práctica sigue siendo la verificación fuera de banda: devolver la llamada a un número conocido o confirmar en la aplicación.
Rime Prism: audio directo con punto de revisión
- Lanzamiento del 28 de octubre de 2026: Rime presentó Prism, un modelo de voz a voz para llamadas de atención al cliente, anunciado por su CEO y cofundadora Lily Clifford.
- Lee el audio del cliente directamente: Prism procesa pausas, emoción y sonidos de fondo que una transcripción pierde, según la empresa.
- La respuesta se revisa antes de hablar: el modelo expone su respuesta propuesta en texto para revisión, un punto de control para empresas que quieren naturalidad de audio directo con supervisión humana antes de que el cliente escuche la respuesta.
- Tiempo al primer audio de 0.57 segundos: Rime reporta esa cifra en su propio benchmark, sin verificación independiente publicada hasta la fecha del lanzamiento.
- La pregunta para comprar: la voz natural y la respuesta correcta son dos pruebas distintas. Dessa demostró la primera y todavía no publica la segunda; Prism propone un punto de revisión para que la empresa controle la segunda antes de que llegue al cliente.
Nota: este artículo resume los anuncios de Block del 23 de octubre de 2026 y de Rime del 28 de octubre de 2026, además de la cobertura de PYMNTS, TechCrunch y RuntimeWire. Las cifras de desempeño son reportadas por las empresas, sin verificación independiente publicada hasta esas fechas, y Dessa permanece en vista previa de investigación sin acceso público.
¿Quieres IA que trabaje para tu negocio?
Escríbenos por WhatsApp y hablemos de automatización y agentes de IA para tu negocio.
WhatsApp inicIAEnlaces relacionados
- Agente de voz con IA: qué es y cómo atiende llamadas por ti
- Los contact centers compran IA por un trabajo a la vez
- Qué hacer cuando tu agente de IA se equivoca
Preguntas frecuentes
¿Qué cambia cuando la voz procesa audio directo?
Conserva pausas, interrupciones, risa y tono que la transcripción descarta, y reduce errores en cascada entre reconocimiento de voz, modelo de lenguaje y síntesis de voz.
¿Dessa de Block ya se puede usar en un negocio?
No. Al 28 de octubre de 2026 sigue en vista previa de investigación, con acceso temprano solo para investigadores de seguridad de IA, sin API pública ni fecha comercial.
¿Qué ofrece Prism de Rime que Dessa no ofrece?
Un punto de revisión: Prism expone la respuesta propuesta en texto para que la empresa la revise antes de que el cliente la escuche, pensado para llamadas de servicio.
¿La voz más humana aumenta el riesgo de fraude?
Sí, según la cobertura del lanzamiento: una voz convincente baja el costo del engaño telefónico, por eso la verificación fuera de banda, como devolver la llamada a un número conocido, gana importancia.
