Block 推出全双工 AI 语音模型 Dessa：真人感拉满，支持苹果 MacBook 本地运行

Block 公司近日发布了一款名为 Dessa 的全新语音模型，该模型可在本地运行，能够模拟笑声、停顿和哽咽等情感表达，听起来非常接近真人。据官方介绍，Dessa 完全基于人类语音数据训练，仅使用一组英伟达 GPU 机架完成训练过程。

Dessa 属于全双工模型，与 OpenAI 今年早些时候推出的 GPT-Live 类似，可以一边说话一边听取用户语音。主流语音模型通常需要搭配大语言模型来获取知识；Block 表示，Dessa 自身的知识来源于其训练所用的对话数据。

Block 指出，现有语音 AI 体验往往生硬且不自然，原因在于生成过程需要先将语音转为文本，再通过文本驱动语音合成。ElevenLabs v4、Fish Audio Drama 3 等许多模型依赖语音标签来控制情感。而这家由多尔西领导的公司宣称，情感表达是模型原生内置的，不过目前尚不清楚其底层是否仍然依赖某种标签来调节情感。

Block 在博客中写道：“当前的语音 AI 交互体验非常糟糕。它会先将你的语音转成文字，大量文字无法承载的信息直接丢失。即使是全球最强的 AI，也无法识别你的情绪。我们认为这很不合理，不仅体验差，还存在潜在风险。”

研究团队发布了多段与 Dessa 的对话示例，这个智能体可以切换音色、语速和情绪。例如，在一段对话中，AI 说自己工作很累，发声状态也同步带有疲惫感。

在另一段示例中，AI 谈到对方带给自己的安心感受，语气充满情绪，几乎哽咽。此外，还有一段演示展示了 Block 员工与这个语音助手玩游戏的情景。

官方说明，该模型可在消费级电脑本地运行，设备门槛为 M4 Max 及更高配置的 MacBook。但现阶段 Dessa 暂不对外开放试用，Block 正向安全研究者发出测试邀请，重点测试这类语音智能体欺骗人类的风险场景。

据IT之家了解，Block 的主营业务是金融服务，面向小微企业提供解决方案，旗下 Square 已在用语音 AI 处理下单业务。自研这款可端侧运行的语音模型后，Block 有望以更低成本，落地更多面向商户与普通用户的语音产品。