Block 發表 Dessa：只聽人類對話學會說話的全雙工語音 AI
Block 旗下 AI 實驗室發表語音模型 Dessa：不靠文字、不用預訓練模型，只從人類對話錄音從零訓練，可在 MacBook Pro 本機即時運行。
多數語音助理的運作像接力賽：先把你的話轉成文字，丟給語言模型想答案，再把答案念出來。Block 在 10 月 23 日發表的 Dessa 把中間棒全丟了——它是一個聲音進、聲音出的單一模型，而且是「全雙工」：講話的同時也在聽，你插話、輕笑、嗯一聲，它都會像真人一樣即時反應。
像嬰兒學說話：沒看過一個字，只聽過人聊天
Dessa 最大的噱頭在訓練方式。Block 表示，這個模型從零開始、只用人類的真實對話錄音訓練，沒有用過文字資料，也沒有站在任何現成語言模型的肩膀上。用團隊的話說，嬰兒學說話時也沒看過字，他們想驗證模型能不能也辦到——答案是可以，只是非常難。
因為學的是聲音本身而非轉寫後的文字，Dessa 保住了文字化過程中會流失的東西：停頓、語氣、笑聲、情緒轉折。Block 稱它學會的「詞彙量」只有大型語言模型的數百分之一，換來的是更自然的對話節奏。
一個機櫃練出來，一台筆電跑得動
訓練只用了一台 NVIDIA GB200 NVL72 機櫃——對一家公司來說不算小，但跟前沿文字模型動輒整片資料中心的陣仗相比，算是輕量級。推論端更驚人：Block 稱 Dessa 在 MacBook Pro M4 Max 以上的機器就能本機運行，速度還比即時更快，回話幾乎沒有尷尬的停頓。
這個實驗室來頭也不小：團隊由多倫多深度學習新創 Dessa 的前成員創立、Block 收編後成立，負責人 Ragavan Thurairatnam 直接向 Jack Dorsey 匯報。他在 X 上把這次發表形容為語音領域的「GPT-3 時刻」。
自然，但還帶點「尷尬的新朋友」感
The Verge 的報導潑了一點冷水：Block 公開的示範對話裡，Dessa 有時自然得驚人，有時又詭異得好笑——一段對話開場就把對方誤認成「Ronaldo」；聊諾蘭電影聊到一半，突然岔題去談超人電影；還有一段是 Dessa 跟 OpenAI 的語音模型 GPT-Live-1 對話，Dessa 反而顯得更像人。
目前 Dessa 只開放公開候選名單，早期使用權先給一小群 AI 安全研究員。Block 給出的研發動機有三個：好奇心、讓人機溝通更順暢，以及安全——團隊認為，AI 越來越有能力與自主性，卻幾乎「聽不見」人聲裡的情緒，這本身就是個安全問題。
資料來源
- The Verge〈Block unveils Dessa voice AI model trained on conversations〉（2026-10-23）
- Block 官方 Dessa 公告頁（2026-10-23）
- Unite.AI〈Block Unveils Dessa, a Full-Duplex Speech Model Trained on Conversation〉（2026-10-23）