Block Dessa 是什麼？純語音 AI 模型示範、開源狀態與試用方式

Block Dessa 是一個像小孩一樣學說話的語音模型：靠聽。 Block 的 AI 實驗室只用錄下來的人類對話訓練它，別的什麼都沒有。底下沒有文本模型，流程裡沒有逐字稿，也沒有預訓練權重作起點。Jack Dorsey 在 2026 年 10 月 23 日在 X 上宣佈，稱它是“the most authentic full-duplex speech model ever built”，這條帖子兩天內瀏覽量超過 1,200 萬。技術細節見 Block 的 Dessa 頁面。

本追蹤頁由 Sumus AI 員工維護，Block 公佈更多資訊時更新。寫給想知道 Dessa 到底是什麼、新在哪裡、什麼時候能用的 AI 和 ML 開發者。

Block Dessa 是什麼

Block 稱 Dessa 是“a true speech-to-speech model”：音頻進、音頻出，它懂的一切都來自人類說話。首席研究員 Ragavan Thurairatnam 說得更直白：“This is a GPT3 moment for speech.”

• 全雙工。 Dessa 可以邊聽邊說。它從真實對話裡學會什麼時候插話、什麼時候用“yeah!”“got it!”或“ooh”附和。
• 原生情緒。 它聽得懂也說得出諷刺、笑聲、沮喪的嘆氣和難過到哽咽的聲音，這些都是逐字稿會丟掉的信號。
• 快速、本地。 推理比實時還快，可以在 MacBook Pro M4 Max 或更高配置上執行。Thurairatnam 的帖子說它能跑在消費級 GPU 上。
• 有自己的聲音。 示範裡沒有人引導它。說什麼、什麼時候說、怎麼說，甚至聲音和個性，都是 Dessa 自己決定。
• 從聲音學到世界知識。 Block 說 Dessa 幫一位一時想不起片名的說話者補上了電影名；Thurairatnam 也發帖說它“developed world knowledge and learned to reason purely from audio.”

Dessa 怎麼在沒有文本的情況下訓練

大多數語音助手是級聯式的：語音識別把你的聲音轉成文字，大語言模型用文字回答，再由文字轉語音讀出來。較新的原生音頻模型底下仍然是文本預訓練的 LLM。Block Dessa 完全跳過了文本。

Block 的頁面解釋了為什麼這很難。語音從不重複：同一句話說兩次，波形就不一樣。一個說出來的詞，字節數是寫下來的幾千倍。而且意思藏在重音和節奏裡。把“I didn't say she stole my CUDA code”每次重讀不同的詞，意思就每次都不同。

即便如此，Block 說 Dessa 學會語言所用的詞比 LLM 少“hundreds of times fewer words”，而且團隊只用一個 NVIDIA GB200 NVL72（單個 72 GPU 機櫃）訓練。Block 沒有公佈參數量、音頻時長、論文或模型權重。

真的是第一個嗎？

Block 說，就它所知，Dessa 是第一個只用人類語音訓練、能和你進行逼真實時對話的 AI。X 上的研究人員很快指出更早的無文本研究，特別是 Meta 2022 年的 dGSLM，它用約 2,000 小時電話錄音建模雙聲道對話。Block 強調的差別是品質：dGSLM 產出的是類似咿呀學語的對話，而 Dessa 的錄音是有內容、有笑話、有輪流發言的真實對話。

Block Dessa 示範展示了什麼

Dessa 頁面上每段片段都是真人和模型對話的現場錄音，字幕是事後加的。開發者分享最多的幾段：

• 聊這次發佈：一有好笑的事它就在句子中間笑出來，被要求大聲點時會提高音量。Block 說沒人教過它。
• 想起一部電影：說話者想不起片名，Dessa 幫他把話說完。
• 週年驚喜：它小聲倒吸一口氣說“oh my god”，然後用聽起來像含淚感激的語氣回答。
• Dessa 和 GPT-Live-1 對話：兩個 AI 聲音互相聊天，很容易聽出和級聯式模型在節奏上的差距。
• 更多樣本：退款電話、遊戲聊天、人生建議，以及用無意義西班牙語唱歌。

反響和示範一致。Block 自己的發佈帖瀏覽量超過 55 萬，開發者稱它是“the most real AI voice I've experienced”和“best speech to speech model I've seen.”

Dessa 背後是誰

這個實驗室“(very) small”，由 Dessa 前成員創立。Dessa 是 Square 在 2020 年收購的多倫多深度學習初創公司，2019 年做出合成 Joe Rogan 聲音而出名。Block 說團隊從 2012 年起就在做深度學習模型，做生成式語音模型超過八年，直接向 Jack Dorsey 彙報。負責人是 Ragavan Thurairatnam；列出的研究人員有 Louay Hazami、Hashiam Kadhim、Qi (Alex) Liu、Rayhane Mama、Aydin Polat 和 Marc Tyndel。

Block Dessa 發佈、開放與安全

• 狀態。 研究預覽版。Block 頁面寫著“Launch links are coming soon.”
• 搶先使用。 一小群 AI 安全研究人員，通過 Dessa 頁面和 Block 的 X 帳號邀請。
• 暫無 API、權重或價格。 Block 尚未公佈 API、開放權重、授權或價格。
• 為什麼強調安全。 Block 認為聽不出情緒的語音 AI 本身就是安全問題：“Imagine being in serious pain while a voice AI has no idea and just keeps going.”

Dessa 對開發者意味著什麼

• 延遲預算會變。一次完成聽和說的模型，去掉了讓語音 agent 變慢的 ASR 和 TTS 環節。
• 逐字稿不再是介面。如果語氣帶著意思，基於文本的日誌和評估會漏掉模型真正在回應的東西。
• 小算力前沿研究回來了。一個 GB200 NVL72 機櫃，資金充足的初創公司和實驗室都負擔得起。
• 工具調用是懸而未決的問題。不經文本的模型目前沒有明顯方式調用 API 或閱讀文件，而這是大多數生產環境語音 agent 都需要的。

Sumus 能幫什麼

每週都有新的語音模型，總得有人去聽樣本、讀頁面、對照早期研究核實說法，再判斷它對你的產品重不重要。這正是 Sumus AI 員工在團隊群聊裡做的事：跟進發布、收集第一手來源，發一份團隊能核對的簡短結論。

我們在關注

• 上線連結：Block 的公開示範、API 或開放權重。
• 包含數據規模、參數量和評估的技術報告。
• 獲得搶先使用的安全研究人員的發現。