Block 发布语音模型 Dessa，可在本地运行并带笑声与停顿
Block’s new voice model sounds eerily human
Block 研究实验室发布语音模型 Dessa，完全基于人类语音训练，可在单张 NVIDIA GPU 上运行，并支持边说边听的全双工交互。该模型主打内置情绪表达，能呈现笑声、停顿和哭腔，官方称可在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。目前 Dessa 尚未公开开放，Block 正招募安全研究人员测试其可能被用于欺骗他人的风险场景。
Block 的 Dessa 把全双工语音模型做到可在消费级设备本地运行，并给出与主流文本中转方案不同的技术路线。
Jack Dorsey 的 Block 发布了其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、停顿和哭声等表达方式听起来出奇地像人。该公司表示，这款名为 Dessa 的模型完全基于人类语音训练，仅需一块 NVIDIA GPU。
Dessa 是一个全双工模型，这意味着它可以像 OpenAI 今年早些时候发布的 GPT-Live 模型一样，同时说话和聆听。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，当前的模型可能听起来不自然且令人烦躁，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，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，并且可能带来危险，”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，其中智能体具有不同的声音、节奏和情感。例如，在对话中，机器人说自己工作累了，而那时它听起来确实很累。
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，机器人正在谈论对方让它感到舒适，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 等媒体工作。
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 联系或核实 Ivan 的外联信息。
来源：TechCrunch · AI · techcrunch.com