Block 研究组发布 Dessa：只听人类对话训练的全双工语音模型，目前是研究预览
zovo约 1 分钟读完
Block 旗下一个直接向联合创始人 Jack Dorsey 汇报的小型 AI 研究组，发布了语音对话模型 Dessa。官方说法是：它只用人类对话的音频从零训练，没有文本、也没有预训练模型；语音进、语音出，能一边听一边说。目前页面标注为研究预览，开放的是等待名单和面向安全研究者的早期申请，普通用户还不能下载。
01官方说它和常见语音 AI 有什么不同
多数语音助手先把语音转成文字，再让大模型处理，语气、情绪、停顿等信息在转写时丢失。Dessa 按官方描述是端到端的语音模型：直接以声音为输入输出，因此能在对话中插话、接话、发出“嗯”“哦”之类的附和，也能笑或叹气。
| 项目 | 官方说明 |
|---|---|
| 训练数据 | 只有人类对话音频，无文本、无预训练模型 |
| 交互方式 | 全双工，同时听与说；官方称推理快于实时 |
| 本地运行 | 官方称可在 MacBook Pro M4 Max 或更高配置上运行 |
| 训练算力 | 官方称仅用 1 套 NVIDIA GB200 NVL72 |
| 开放状态 | 研究预览；公开渠道是等待名单，另向少量 AI 安全研究者提供早期访问 |
02读这条消息要注意的
- 效果来自官方演示录音，页面写明字幕是后加的，没有第三方评测数据。
- “世界首个仅用人类语音训练的实时对话 AI”是官方措辞（页面原话带“据我们所知”），本站未能独立验证。
- 官方演示里包含 Dessa 与 GPT-Live-1 的对话；页面注明后者开发方与 Block 无关联、未审阅。
- 权重、许可证、价格和下载方式官方页面均未给出，目前不能自行部署。
对关注语音交互的人，值得看的是路线：不靠文字中转、用很少的数据让模型学会对话节奏。是否实用，要等开放试用后才能判断。
资料来源（2026-10-24 核对）
本文由 zovo 编辑撰写，转载请注明出处。
Claude Code
Hy-Memory
Octop