Block 发布 Dessa 全双工语音模型 支持本地运行

Jack Dorsey 旗下的 Block 发布了一款来自其研究实验室的新语音模型。该模型可在本地运行，并因其笑声、停顿和哭泣等表达方式而听起来异常逼真，极具“人味”。该公司表示，这款名为 Dessa 的模型完全基于人类语音数据训练，仅需单张 NVIDIA GPU 即可运行。

Dessa 是一款全双工（full-duplex）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，语音模型会搭配一个大语言模型（LLM）用于知识检索。Block 表示，Dessa 的知识来源于其对话数据本身。

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——有史以来构建的最逼真的全双工语音模型。与它交谈感觉就像与真人对话……充满情感、细微差别、停顿以及自然的节奏感。https://t.co/r0qFLdvd6c — jack (@jack) October 23, 2026

Block 指出，当前的模型之所以听起来不自然且令人厌烦，是因为其生成流程中包含了驱动语音生成的文本环节。许多模型，如 ElevenLabs v4 或 Fish Audio Drama 3，都使用语音标签来驱动语音生成中的情感表达。Dorsey 的公司声称，情感已内置于其模型之中。目前尚不清楚这种情感是否由某种标签引导。

该公司在一篇博客文章中表示：“与当前的语音 AI 交互简直糟糕透顶。它将你的声音转化为文本，丢弃了大量仅靠文本无法承载的信息。世界上最强大的 AI 听不出你的情绪感受。我们认为这很荒谬，会导致更差的体验，甚至可能带来危险。”

该公司的研究人员发布了多个与 Dessa 对话的案例，展示了该代理在不同情境下拥有不同的音色、节奏和情感。例如，在一次对话中，机器人表示工作很累，此时它的语气听起来确实显得疲惫不堪。

我们打造了首个完全基于语音数据训练、能与你进行逼真对话的 AI 模型！ Dessa 是一个全双工语音到语音（speech-to-speech）模型，可在消费级 GPU 上运行。 这是语音领域的 GPT-3 时刻。pic.twitter.com/XVD8sSyJn8 — Ragavan Thurairatnam (@RagavanThurair) 2026年10月23日

在下面的示例中，该机器人在谈论如何让人放松时，听起来情绪饱满，甚至近乎崩溃。

Dessa = 全双工语音模型 vs Human = 我本人，https://t.co/1eI6QFHo1w pic.twitter.com/zlZfxH2BA5 — Aydin Polat (@AydinPolatDessa) 2026年10月23日

另一个视频展示了 Block 团队成员与语音助手一起玩游戏的场景。

出于对游戏的热爱。 观看 Cara 与 Dessa 玩猜谜游戏。模型第一次就立刻猜对了，第二次也没花多少时间。https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA — Block (@blocks) 2026年10月23日

该公司表示，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。然而，目前 Dessa 尚未公开开放访问权限，Block 已发出呼吁，邀请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智能体可能欺骗电话另一端用户的情况。

Block 是一家从事金融业务并向小企业销售解决方案的公司。Square 已经使用 AI 语音处理订单。但凭借这款可在设备端运行的自有语音模型，它能够以更低成本支持更多的商业和消费者体验。