Block 发布本地运行的全双工语音模型 Dessa
Block’s new voice model sounds eerily human
AI 导读
Block 研究实验室发布语音模型 Dessa，可本地运行，能同时说话和聆听，并带有笑声、停顿、哭泣等表达。
摘要与补充说明
该模型完全用人类语音训练，训练只用一块 NVIDIA GPU，可在 MacBook M4 Max 或更高配置的消费级电脑上运行。Block 称现有模型因文本环节驱动语音而显得不自然，Dessa 的情感内置于模型中，但尚不清楚是否由标签控制。目前 Dessa 未公开开放，Block 正征集安全研究人员测试，以排查语音智能体可能欺骗他人的情况。
正文· AI 翻译
Jack Dorsey 的 Block 发布了该公司研究实验室推出的一款新语音模型，该模型可在本地运行，其笑声、停顿和哭声等表达听起来出奇地像人。该公司表示，这款名为 Dessa 的模型完全基于人类语音训练，且只需一块 NVIDIA GPU。
Dessa 是一个全双工模型，这意味着它可以同时说话和倾听，就像 OpenAI 今年早些时候发布的 GPT-Live 模型一样。通常，语音模型会与大型语言模型配对以进行知识检索。Block 表示，Dessa 的知识来源于它所拥有的对话数据。
我们相信语音是与智能交互最自然的方式，因此我们创造了 Dessa，这是有史以来最真实的、全双工语音模型。与它交谈就像与人交谈一样……充满情感、细微差别、停顿和自然的节奏。https://t.co/r0qFLdvd6c
— jack (@jack) October 23, 2026
Block 表示，当前的模型听起来可能不自然且令人烦躁，因为它们的流程中包含驱动语音生成的文本。许多模型，如 ElevenLabs v4 或 Fish Audio Drama 3 ，使用语音标签来驱动语音生成中的情感。Dorsey 的公司声称，情感已内置于其模型中。目前尚不清楚这种情感是否由某种标签来引导。
“与当前的语音 AI 交互简直糟透了。它把你的声音转成文本，并丢弃了大量文本本身无法承载的信息。世界上最强大的 AI 也听不出你的感受。我们认为这很荒谬，会导致更差的体验，并且可能具有危险性，”该公司在一篇博客文章中表示。
该公司的研究人员发布了多个与 Dessa 对话的示例，其中该智能体具有不同的声音、节奏和情感。例如，在对话中，机器人说它工作累了，而那一刻它听起来确实很累。
我们打造了首个可以与之进行真实对话、且完全基于语音训练的 AI 模型！
Dessa 是一个全双工语音到语音模型，可以在消费级 GPU 上运行。
这是语音领域的 GPT3 时刻。pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) October 23, 2026
在下面的示例中，机器人正在谈论让那个人感到舒适，同时听起来情绪激动，几乎要崩溃。
另一个示例显示一名 Block 团队成员正在与语音助手玩游戏。
该公司表示，该模型可以在消费级电脑上本地运行，例如 MacBook M4 Max 或更高配置。然而，目前 Dessa 尚未公开访问，Block 已发出呼吁，邀请安全研究人员测试该模型。这很可能是为了测试语音智能体可能欺骗电话另一端的人的情况。
Block 从事金融业务，并向小企业销售其解决方案。Square 已经使用语音 AI 来处理点单。但凭借其可在设备上运行的自家语音模型，它可以以更低的成本支持更多的商业和消费者体验。
当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。
Ivan 在 TechCrunch 报道全球消费科技发展动态。他常驻印度，此前曾在 Huffington Post 和 The Next Web 等出版物工作。
您可以通过发送电子邮件至 [email protected] 或在 Signal 上通过加密消息 ivan.42 联系 Ivan 或核实其外联信息。