- Block仅使用人类语音训练了其Dessa语音模型，未使用任何文本或预训练模型。
- 该实验室使用了单台Nvidia GB200 NVL72机架，并表示Dessa可在MacBook Pro M4 Max或更高配置的电脑上本地运行。
- Dessa尚未公开，Block正为一小部分AI安全研究人员提供早期访问权限。
Jack Dorsey旗下的Block仅使用人类语音训练了其新语音模型Dessa，未使用任何文本或预训练模型。
Block 表示，该模型完成后可在 MacBook Pro M4 Max 或更高配置的电脑上本地运行。该实验室在一台 Nvidia 服务器机架上进行训练。
Block 称 Dessa 是其所知首个能够进行逼真实时对话的 AI，且仅基于人类语音进行训练。其背后的小型研究实验室直接向 Dorsey 汇报。
全双工模型在与 OpenAI 的 GPT-Live-1 进行的无引导演示中进行对话
许多语音助手会将人们说的话转化为文本，通过语言模型处理，再将文本转回语音。正如Block所言，这种流程会丢弃情感、讽刺、笑声以及声音颤抖时的悲伤感。
Dessa 是一个将语音直接转换为语音的模型，中间不经过文本。就像两个人一样，它同时说话和倾听。
Block 表示，它知道何时插话，何时用“嗯！”或“明白了！”来回应。它的运行速度比实时还要快。
Block 表示，录音中无人对 AI 模型进行引导。它自主决定说什么、何时说以及如何说。
在录音中，Dessa 会在句子中途大笑，对意外感到惊讶时会倒吸一口气，当被要求大声说话时声音会变大。在其中一段录音中，Dessa 与 OpenAI 的 GPT-Live-1 进行了对话。
Block 表示，GPT-Live-1 的开发人员并未审核或认可 Dessa。
我们打造了首款完全基于语音训练的、可进行真实对话的 AI 模型！
Dessa 是一款全双工语音到语音模型，您可以在消费级 GPU 上运行它。
这是语音领域的GPT-3时刻。 pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) 2026年10月23日
GB200 NVL72 让模型从少得多的词汇量中学习语言
Dessa 在单台 Nvidia GB200 NVL72（机架级系统）上进行训练。该实验室表示，其模型学习语言所需的“词汇量”比基于文本的大语言模型少了数百倍。
Block 表示，语音使任务变得更加复杂。一个口语单词的字节数是同一书面单词的数千倍。
该实验室由前多伦多深度学习初创公司 Dessa 的成员创立。团队已在生成式语音模型领域深耕超过八年。
Ragavan Thurairatnam 负责该项目，他在 X 上称此次发布是“语音领域的 GPT-3 时刻”。
Dessa 目前未公开。Block 正在运行等待名单，并向一小部分 AI 安全研究人员提供早期访问权限，以揭示团队尚未预见到的风险。
促使 Block 构建该模型的有三个原因。其中两个是好奇心以及增进人类与 AI 之间的理解。
第三个原因是？安全。
Block 设想了一个场景：一个人正遭受剧烈疼痛，但语音 AI 并未察觉，仍在继续说话。
Cryptopolitan报道，今年二月，Block（纽约证券交易所代码：XYZ）裁掉了40%的员工。
Block Inc. 于七月推出了Buzz。这是一款面向职场的聊天应用，人类和AI代理可以在其中共享频道。
最聪明的加密领域人士已经在阅读我们的通讯。想加入吗？加入他们。
常见问题
Dessa 是什么？是谁开发的？
Dessa 是一款全双工语音到语音模型，由 Block 内部的一个小型研究实验室开发，该实验室直接向杰克·多西汇报。
Dessa 的训练方式与其他语音 AI 有何不同？
Block 仅基于人类对话从零训练 Dessa，未使用任何文本数据或预训练模型。
任何人都可以现在使用 Dessa 吗？
不可以。Block 尚未开放公众访问权限，目前正优先向一小部分 AI 安全研究人员提供早期访问权限。
免责声明。 所提供的信息不构成交易建议。Cryptopolitan.com 对基于本页信息进行的任何投资不承担任何责任。我们强烈建议在做出任何投资决策之前进行独立研究或咨询合格的专业人士。
Randa Moses
Randa Moses 是 Cryptopolitan 的编辑兼记者，专注于科技、人工智能、机器人技术、加密货币、诈骗及黑客攻击等领域的报道。自 2017 年以来，她一直活跃于加密货币领域，曾担任 Forward Protocol、AmaZix 和 Cryptosomniac 等公司的职务。Randa 拥有布拉德福德大学电气工程与电子工程学位。
