Jack Dorsey 创立的 Block 公司（旗下有 Square 和 Cash App）旗下小型人工智能研究实验室于 2026 年 10 月 23 日推出了 Dessa，这是一款处于研究预览阶段的语音到语音对话模型。它的方法与当今助手截然不同：它不是把语音转成文字、对文字进行推理再合成回答，而是直接接收音频并返回音频，同时倾听和说话。
这种模式被称为全双工。Block 表示，在实际对话中，该模型知道何时打断、何时只需用简短的回应表示自己在跟进，例如“yeah”“got it”和“ooh”，并且它能听到并表现出情感、讽刺、笑声、叹息，甚至哽咽的声音。公司的论点是，语音承载着文字会丢弃的信息，而一个听不出情感的人工智能，例如可能无法察觉某人正在痛苦中。
最引人注目的是训练方式。Block 称，Dessa 是从零开始、仅用人类的对话训练出来的，没有使用文本，也没有使用预训练模型——就像一个从未见过文字、只靠听学会说话的孩子。公司还表示，该模型学习所用的词比大型语言模型“少了数百倍”，训练只使用了一台 NVIDIA GB200 NVL72 系统。这些都是 Block 的说法，尚未经过独立审计：公司没有公布参数量、数据集规模、延迟数据或正式基准测试结果。
同样据 Block 介绍，推理速度快于实时，并且可以在搭载 M4 Max 芯片或更高配置的 MacBook Pro 上本地运行。该实验室规模很小，由多伦多初创公司 Dessa 的前成员创立，由 Ragavan Thurairatnam 领导，并直接向 Jack Dorsey 汇报。Thurairatnam 将这次发布形容为语音领域的“GPT-3 时刻”——这是一种看法，而非实测结果。
Block 没有发布基准测试，而是发布了它描述为现场直播、无剧本的录音，并附上了事后添加的字幕。在录音中，Dessa 会在句子中间发笑、应要求提高音量、帮忘记电影片名的人把句子说完，还会对一则消息表现出惊讶。其中一段演示让它与第三方模型 GPT-Live-1 对话；据 Block 自己表示，该模型的开发者与 Block 没有关联，也没有审查或认可 Dessa。
目前访问受到限制。一小群人工智能安全研究人员将通过机构邮箱注册获得早期访问权限，以便在更广泛开放之前摸清风险——Block 表示，它希望有“外部的眼睛”来审视这片新领域。对普通公众则开放了等候名单，尚未公布发布日期、价格或开放权重。公司自己也对主要说法做了保留：它表示，“据其所知”，Dessa 是第一个仅用人类的语音训练出来、可以进行逼真实时对话的人工智能。
图片来源：AI Chat Daily 关于 Dessa 报道的插图。
来源
- Block — página oficial da Dessa
- AI Chat Daily — Block unveils Dessa, a full-duplex voice model trained only on human speech
- RuntimeWire — Block unveils Dessa, a speech-only AI model built for real-time laptop use
- Julian Goldie — Dessa AI: Block's Speech-Only Voice Model Explained
透明声明：本文在人工智能的辅助下制作，基于对 X 上公开帖子（经媒体报道）与下列网络来源的交叉核对，包括 Block 的官方页面。关于训练和性能的说法均来自公司，尚未经过独立验证。作出决定前，请先核对原始来源的信息。
Muse
