正文 · AI 翻译
杰克·多尔西旗下的 Block 从公司研究实验室推出了一款新的语音模型。它可在本地运行，笑声、停顿和哭声等表达听起来异乎寻常地像真人。该公司表示，这款名为 Dessa 的模型完全基于人类语音训练，训练使用了单块 NVIDIA GPU。
Dessa 是一款全双工模型，这意味着它可以同时说话和聆听，就像 OpenAI 今年早些时候发布的 GPT-Live 模型一样。通常，语音模型会搭配大型语言模型来检索知识。Block 表示，Dessa 的知识来自它所拥有的对话数据。
我们认为，语音是与智能交互最自然的方式，因此我们创造了 Dessa——迄今为止最逼真的全双工语音模型。与它交谈就像与人交谈……充满情感、细微变化、停顿和自然的节奏。https://t.co/r0qFLdvd6c — jack（@jack），2026 年 10 月 23 日
我们认为，语音是与智能交互最自然的方式，因此我们创造了 Dessa——迄今为止最逼真的全双工语音模型。与它交谈就像与人交谈……充满情感、细微变化、停顿和自然的节奏。https://t.co/r0qFLdvd6c
Block 表示，目前的模型听起来可能不自然、令人厌烦，因为其语音生成流程中有文本作为驱动。ElevenLabs v4 或 Fish Audio Drama 3 等许多模型使用语音标签来驱动语音生成中的情感表达。多尔西的公司声称，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引导。
“与目前的语音 AI 互动可能真的很糟糕。它把你的声音转成文本，丢掉了大量单靠文本无法承载的信息。世界上最强大的 AI 听不出你的感受。我们认为这很荒谬，会导致体验变差，而且可能很危险。”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，展示了这个智能体不同的声音、说话节奏和情绪。例如，在一次对话中，这个机器人说自己工作累了，而当时它听起来也确实很疲惫。
我们做出了第一个完全基于语音训练、能让你与之进行逼真对话的 AI 模型！Dessa 是一款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），2026 年 10 月 23 日
我们做出了第一个完全基于语音训练、能让你与之进行逼真对话的 AI 模型！Dessa 是一款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
在下面的示例中，这个机器人谈到对方让它感到安心，声音里带着情绪，几乎要崩溃。
Dessa＝全双工语音模型，Human＝我，https://t.co/1eI6QFHo1w pic.twitter.com/zlZfxH2BA5 — Aydin Polat（@AydinPolatDessa），2026 年 10 月 23 日
Dessa＝全双工语音模型，Human＝我，https://t.co/1eI6QFHo1w pic.twitter.com/zlZfxH2BA5
另一个示例展示了一名 Block 团队成员与语音助手玩游戏。
只因热爱游戏。看看 Cara 如何与 Dessa 玩猜谜游戏。模型一下就猜对了第一个，第二个也没花多少时间。https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA — Block（@blocks），2026 年 10 月 23 日
只因热爱游戏。看看 Cara 如何与 Dessa 玩猜谜游戏。模型一下就猜对了第一个，第二个也没花多少时间。https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA
该公司表示，这款模型可以在 MacBook M4 Max 或性能更高的消费级电脑上本地运行。不过，Dessa 目前尚未向公众开放，Block 已公开征集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欺骗通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 处理点单。但有了能在设备端运行的自有语音模型，它就能以更低的成本支持更多企业和消费者体验。