Block 发布可本地运行的全双工语音模型 Dessa
Block’s new voice model sounds eerily human
Block 发布全双工语音到语音模型 Dessa，可同时听说，并能在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。该模型完全基于人类语音训练，Block 称其仅用单块 NVIDIA GPU 训练，并将情绪直接纳入语音生成。模型目前尚未公开访问，Block 邀请安全研究人员测试语音智能体误导他人的风险。
Dessa 的全双工语音、情绪表达与消费级设备本地运行方案交代具体，并说明暂未开放及安全测试安排，便于评估语音智能体的落地条件。
Jack Dorsey 旗下 Block 发布了公司研究实验室推出的一款新语音模型，可在本地运行，并会表现出笑声、停顿和哭泣等表达，听起来出奇地像真人。公司表示，这款名为 Dessa 的模型完全基于人类语音数据，并使用单块 NVIDIA GPU 训练。
Dessa 是一款全双工模型，这意味着它可以同时说话和收听，就像 OpenAI 今年早些时候发布的 GPT-Live 模型。通常，语音模型会与大型语言模型配合，以检索知识。Block 表示，Dessa 所掌握的知识源自其对话数据。
我们相信，语音是与智能交互最自然的方式，因此我们打造了 Dessa，这是有史以来最逼真的全双工语音模型。与它交谈就像与人交谈……充满情绪、细微差别、停顿和自然的节奏。https://t.co/r0qFLdvd6c
— jack (@jack) October 23, 2026
Block 表示，当前模型听起来可能不自然且令人烦躁，因为其处理流程中有文本参与驱动语音生成。许多模型，如 ElevenLabs v4 或 Fish Audio Drama 3 ，会使用语音标签来驱动语音生成中的情绪表现。Dorsey 的公司声称，情绪已内置于其模型中。尚不清楚这种情绪是否也由某种标签控制。
“与当前的语音 AI 交互体验简直糟透了。它把你的声音转成文本，丢弃了仅有文本无法承载的海量信息。世界上最强大的 AI 也听不出你的感受。我们认为这很荒谬，会导致更糟糕的体验，而且可能存在危险，”公司在一篇博客文章中表示。
公司研究人员发布了多段与 Dessa 对话的示例，其中代理展现出不同的声音、节奏和情绪。例如，在其中一段对话中，机器人说自己工作累了，而它当时听起来也很疲惫。
我们打造了首个能够与之进行逼真对话、且完全基于语音训练的 AI 模型！
Dessa 是一款全双工语音到语音模型，可在消费级 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，机器人听起来情绪激动、几乎要崩溃，同时在谈论那个让它感到安心的人。
另一个示例展示了 Block 团队成员与语音助手玩游戏。
公司表示，该模型可以在 MacBook M4 Max 或更高配置的消费级计算机上本地运行。不过，目前公众还无法访问 Dessa，Block 已公开呼吁安全研究人员对该模型进行测试。这很可能是为了测试语音代理可能欺骗通话另一端人员的情形。
Block 从事金融业务，并向小型企业销售其解决方案。Square 已经使用语音 AI 处理订单。但凭借可在设备上运行的自有语音模型，它能以更低的成本支持更多商业和消费者体验。
当你通过我们文章中的链接购买时，我们可能会获得一小笔佣金。这不会影响我们的编辑独立性。
Ivan 在 TechCrunch 报道全球消费科技领域的动态。他常驻印度，此前曾在 Huffington Post 和 The Next Web 等出版物工作。
你可以通过发送电子邮件至 [email protected]，或在 Signal 上以 ivan.42 发送加密消息，来联系 Ivan 或核实其对外联络信息。
来源：TechCrunch · techcrunch.com