Block发布纯语音训练全双工模型Dessa可本地运行
Block发布语音模型Dessa，宣称由纯人类对话音频从零训练而成，无文本、无预训练模型介入。
该模型为全双工语音到语音架构，可同时聆听与说话，能插入对话、发出附和音并原生处理情绪、讽刺、笑声与叹息。
训练使用单台NVIDIA GB200 NVL72机架完成，推理速度超实时，可在MacBook Pro M4 Max或更高配置设备上本地运行。
目前仅向少数AI安全研究人员提供早期访问，并开放公开等候名单，暂无公开API、权重或定价。
Block团队由前多伦多Dessa创业公司成员组成，直接向Jack Dorsey汇报，并称此为已知首个仅从人类语音学习即可进行真实实时对话的AI。
公司强调语音是与智能交互最自然的方式，当前多数语音AI因经文本转换而损失情感与节奏信息。
来源：公开信息
ABAB AI 解读
Block此前收购多伦多深度学习创业公司Dessa，其团队自2012年构建模型、从事生成语音研究逾八年，此次在内部实验室以纯音频路径推出Dessa，延续此前语音克隆与合成工作。
资本与技术路径上，公司将训练算力集中于单机架GB200，避免大规模文本预训练集群，动机是探索婴儿式纯听觉学习并实现本地全双工推理，降低对云端文本管道的依赖。
这与早期纯语音合成及当前多模态语音模型路径形成对比，当前处于语音原生模型从研究预览向安全评估过渡的阶段，编码与对话应用已有文本主导基座，纯音频路径仍处早期。
本质是技术替代：绕过文本中间层直接从语音学习情感与时序，迫使语音交互从转录-推理-合成链条转向原生全双工架构，否则情感与自然节奏持续被压缩。
ABAB News · 认知定律
纯听觉学习可绕过文本丢失的情感层
全双工把对话从轮次变成同时进行
本地小模型证明语音原生不必依赖巨型集群