发布日期

Block 发布 Dessa:自称纯语音训练的全双工 speech-to-speech 研究预览

Block 推出 Dessa,称其为从零仅用人类对话语音训练、无文本管线的真 speech-to-speech 全双工模型,可本地跑在 MacBook Pro M4 Max 或更好硬件;目前为研究预览/候补,尚无公开 API 与权重,并优先邀请 AI 安全研究者早期接入。

深黑背景中央淡绿粉笔质感环形图形,底部一行灰色英文转写文字
Block Dessa 官方宣传图:深色背景上的抽象环形图形与一行语音转写示例。图源:block.xyz/dessa

Block(Square / Cash App 母公司)在官方页推出语音对话模型 Dessa,自称「只在语音上训练的对话模型」。厂商写法是:从零(from scratch)仅用人类对话训练,「Sounds! No text, no pretrained models」——不经文本中间层、也不基于已有预训练底座。页面称 Dessa 为真 speech-to-speech(audio in, audio out),全双工(可同时听与说),并从真实对话学会插话与 backchannel;推理快于实时,并可本地跑在 MacBook Pro M4 Max 或更好。官方未公布参数量、公开权重、基准分数或公开 API。

Block 将动机概括为好奇、更好的人机沟通,以及安全顾虑:现有语音 AI 常把声音压成文本,丢掉情绪、讽刺、笑声与停顿等线索,厂商称「最强 AI 也听不到你的感受」。页面展示多段与人的实时录音示例(字幕后加),并说明无人实时遥控说话内容与音色。Decoder 与 TechCrunch 的二手报道复述了上述主张,并提到训练侧称使用单台 NVIDIA GB200 NVL72(以厂商/报道表述为准)。

获取方式上,页面提供「Join the waitlist」,并写明这是 research preview;同时「Calling all safety researchers」,称将给一小群 AI 安全研究者 early access,以寻找尚未预见到的风险。团队介绍称是 Block 内很小的研究实验室,前身与多伦多 deep learning 创业公司 Dessa 相关,向 Jack Dorsey(Block 联合创始人、Chairman and Block Head)直接汇报;页面提供联系邮箱 ragavan+dessa@block.xyz,署名 Dessa lead Ragavan Thurairatnam。TechCrunch 亦写到目前无公开访问。厂商营销表述(如「最真实的全双工语音模型」)按宣传主张记录,独立评测与参数细节仍缺。

来源

  1. Dessa - the Conversation Model trained only on speech — Block
  2. Block’s new voice model sounds eerily human — TechCrunch
  3. Block's new AI model Dessa was trained entirely on human speech to catch emotions text-based models miss — THE DECODER
在 ? 中打开这篇 →