Block發佈純語音訓練全雙工模型Dessa可本地運行
Block發佈語音模型Dessa，宣稱由純人類對話音頻從零訓練而成，無文本、無預訓練模型介入。
該模型爲全雙工語音到語音架構，可同時聆聽與說話，能插入對話、發出附和音並原生處理情緒、諷刺、笑聲與嘆息。
訓練使用單臺NVIDIA GB200 NVL72機架完成，推理速度超實時，可在MacBook Pro M4 Max或更高配置設備上本地運行。
目前僅向少數AI安全研究人員提供早期訪問，並開放公開等候名單，暫無公開API、權重或定價。
Block團隊由前多倫多Dessa創業公司成員組成，直接向Jack Dorsey彙報，並稱此爲已知首個僅從人類語音學習即可進行真實實時對話的AI。
公司強調語音是與智能交互最自然的方式，當前多數語音AI因經文本轉換而損失情感與節奏信息。
來源：公開信息
ABAB AI 解讀
Block此前收購多倫多深度學習創業公司Dessa，其團隊自2012年構建模型、從事生成語音研究逾八年，此次在內部實驗室以純音頻路徑推出Dessa，延續此前語音克隆與合成工作。
資本與技術路徑上，公司將訓練算力集中於單機架GB200，避免大規模文本預訓練集羣，動機是探索嬰兒式純聽覺學習並實現本地全雙工推理，降低對雲端文本管道的依賴。
這與早期純語音合成及當前多模態語音模型路徑形成對比，當前處於語音原生模型從研究預覽向安全評估過渡的階段，編碼與對話應用已有文本主導基座，純音頻路徑仍處早期。
本質是技術替代：繞過文本中間層直接從語音學習情感與時序，迫使語音交互從轉錄-推理-合成鏈條轉向原生全雙工架構，否則情感與自然節奏持續被壓縮。
ABAB News · 認知定律
純聽覺學習可繞過文本丟失的情感層
全雙工把對話從輪次變成同時進行
本地小模型證明語音原生不必依賴巨型集羣