正文 · 原文
IT之家 10 月 25 日消息，Twitter 联合创始人杰克 · 多尔西（Jack Dorsey）旗下的 Block 公司推出了一款全新语音模型 Dessa，支持本地运行，能模拟笑声、停顿、哽咽等情绪表达，听感高度拟人。官方介绍，Dessa 完全基于人类语音数据训练，训练过程仅使用了一组英伟达 GPU 机架。
Dessa 属于全双工模型，和 OpenAI 今年早些时候发布的 GPT-Live 一样，可以一边说话一边收听用户语音。主流语音模型一般需要搭配大语言模型来调取知识；Block 称，Dessa 自身的知识来源于其训练所用的对话数据。
Block 表示，现有语音 AI 体验经常生硬、违和，根源在于生成链路要先转成文本，再由文本驱动语音合成。ElevenLabs v4、Fish Audio Drama 3 等不少模型依靠语音标签来控制情绪。而这家多尔西的公司宣称，情绪表达是模型原生内置的，不过目前尚不清楚它底层是否仍然依靠某种标签来调控情绪。
Block 在博客中写道：“现在的语音 AI 交互体验实在糟糕。它先把你的语音转成文字，大量文字承载不了的信息直接丢失。即便是全球最强的 AI，也听不出你的情绪。我们认为这很不合理，不仅体验差，还存在潜在风险。”
研究团队放出了多段和 Dessa 的对话样例，这个智能体可以切换音色、语速与情绪。比如有一段对话里，AI 说自己工作很累，发声状态也同步带上疲惫感。
还有一段示例中，AI 聊到对方带给自己安心的感受，语气带着情绪，近乎哽咽。另外一段演示是 Block 的员工和这个语音助手玩游戏。
官方说明，该模型可以在消费级电脑本地运行，设备门槛为 M4 Max 及更高配置的 MacBook。但现阶段 Dessa 暂不对外开放试用，Block 正向安全研究者发出测试邀请，重点测试这类语音智能体欺骗人类的风险场景。
据IT之家了解，Block 的主营业务是金融服务，面向小微企业提供解决方案，旗下 Square 已经在用语音 AI 处理下单业务。自研这款可端侧运行的语音模型之后，Block 有望以更低成本，落地更多面向商户与普通用户的语音产品。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家包含外链的文章均包含本声明。