Block 发布语音模型 Dessa，可本地运行并支持全双工对话

Block 的研究实验室发布了一款名为 Dessa 的语音模型，公司称其完全基于人类语音训练，训练使用单个 NVIDIA GPU 机架。Dessa 是全双工语音到语音模型，可以同时说话和聆听，类似 OpenAI 今年早些时候发布的 GPT-Live。 Block 认为现有语音模型因为管线中存在文本环节而显得不自然，ElevenLabs v4、Fish Audio Drama 3 等模型依靠语音标签驱动情绪，而 Dessa 将情绪内建于模型之中，但报道指出尚不清楚这种情绪是否仍由某种标签控制。研究人员发布了多段对话示例，展示不同音色、语调和情绪，例如机器人说工作累了时声音也显得疲惫。 在运行条件上，Block 表示 Dessa 可在 MacBook M4 Max 或更强的消费级电脑上本地运行。目前该模型没有公开访问入口，Block 已公开征集安全研究人员测试，重点可能包括语音智能体在对话另一端欺骗他人的情形。 Block 的业务涉及金融并向小企业销售解决方案，Square 已使用语音 AI 处理点单。拥有可端侧运行的自家语音模型后，Block 有望以更低成本支撑更多商业和消费场景。