Block发布全双工AI语音模型Dessa：情绪原生、支持本地运行

Twitter联合创始人杰克·多尔西旗下的Block公司推出了一款名为Dessa的全新语音模型，该模型支持在本地设备上运行，能够模拟笑声、停顿、哽咽等情绪表达，听感高度接近真人。官方介绍称，Dessa完全基于人类语音数据训练，训练过程仅使用了一组英伟达GPU机架。

全双工交互与原生情绪表达

Dessa属于全双工模型，与OpenAI今年早些时候发布的GPT-Live一样，可以在说话的同时收听用户语音。主流语音模型通常需要搭配大语言模型来调取知识，而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体验经常显得生硬、违和，根源在于生成链路要先转成文本，再由文本驱动语音合成。ElevenLabs v4、Fish Audio Drama 3等不少模型依靠语音标签来控制情绪，而这家多尔西的公司宣称，Dessa的情绪表达是模型原生内置的。

Block在博客中写道，现在的语音AI交互体验实在糟糕，它先把用户的语音转成文字，大量文字承载不了的信息直接丢失，即便是全球最强的AI也听不出用户的情绪。Block认为这很不合理，不仅体验差，还存在潜在风险。

对话样例与本地运行门槛

研究团队放出了多段与Dessa的对话样例，这个智能体可以切换音色、语速与情绪。其中一段对话里，AI说自己工作很累，发声状态也同步带上疲惫感；另一段示例中，AI聊到对方带给自己安心的感受，语气带着情绪，近乎哽咽。还有一段演示是Block的员工和这个语音助手玩游戏。

官方说明，该模型可以在消费级电脑本地运行，设备门槛为M4 Max及更高配置的MacBook。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。

金融业务背景与端侧落地前景

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已经在用语音AI处理下单业务。自研这款可端侧运行的语音模型之后，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。