N環球 
Block 发布语音原生模型 Dessa：只靠「听」学会说话的全双工 AI
Jack Dorsey 旗下 Block 的 AI 研究实验室发布全双工语音对话模型 Dessa，宣称完全从人类真实对话音讯从零训练、无文本语料，可同时听与说并感知情绪。目前仅向小批 AI 安全研究人员开放早期访问。
为何重要
今天的语音 AI 大多是「先转文字再回答」：你的声音被转成文字，大量语气、情绪、停顿资讯在转换中被丢掉，回答又慢又生硬。Block 旗下小型 AI 研究实验室发布的 Dessa 是一条完全不同的路线——全双工语音直达模型，音讯进、音讯出，像真人一样边听边说，能打断、能附和（「嗯！」「懂了！」），推理速度快于即时，在 MacBook Pro M4 Max 或更高等级的电脑上即可本地运行。
最引人注目的是它的训练方式：Block 宣称 Dessa 完全从人类真实对话音讯从零训练，没有文本语料、没有预训练模型，并称这可能是全球第一个「只靠听人类说话就学会即时对话」的 AI。它原生感知情绪、讽刺、笑声、叹息与哽咽的声音——这些正是传统语音管线丢掉的东西。
全文
Dessa 由 Block 内部 AI 研究实验室开发，团队由多伦多深度学习新创 Dessa 的前成员创立，直接向 Block 共同创办人 Jack Dorsey 汇报，负责人为 Ragavan Thurairatnam。官方页面展示了多段真人与 Dessa 的即时对话录音：它会在笑点出现的当下就笑出声、会把对方想不起的电影名接下去、被要求大声一点就真的提高音量——官方强调这些都没有人事先编排。
Block 表示，整个模型只用一台 NVIDIA GB200 NVL72 完成训练，所需词汇量仅为大语言模型的数百分之一（官方也坦言，大语言模型还要学程式语言等额外知识，比较并不完全对等）。开发动机有三：好奇心、人机之间更好的理解，以及安全——Block 认为，今天的语音 AI 对人声中的情绪近乎「耳聋」，在医疗等场景可能带来危险，而 Dessa 是修正这一点的一步。
目前 Dessa 为研究预览阶段：Block 向一小批 AI 安全研究人员开放早期访问，请他们协助发现尚未预见的风险；未公布定价、公开发布时间表，也未开源模型权重。值得注意的是，公司尚未公布参数量、训练资料集规模与基准测试分数，以上技术主张均为 Block 单方面宣称，有待第三方验证。
💬 留言
暂时还没有留言，来抢沙发！