Block Dessa语音模型在美国东部时间10月23日下午正式亮相：Block官网发布的Dessa只靠人类对话录音训练，是声音进、声音出的全双工语音模型，不经过文字转录，听和说同时进行，推理速度超过实时，还能在MacBook Pro M4 Max及以上机型本地运行。现阶段只开放候补名单，首批体验留给AI安全研究员。
不转文字，直接听声音学说话
现在多数语音助手走三段式：语音转文字、语言模型想答案、文字合成语音。Dessa把中间两步都省了，音频直接进、音频直接出。Block称，它从零开始、只用人类对话录音训练，没用过任何文字数据，也没站在现成模型肩膀上。
好处体现在对话节奏上：因为学的是真实对话，Dessa知道何时插话、何时用“嗯”“对”表示在听，也能听出和说出情绪、讽刺、笑声和叹息。Block的实录里，它会在一句话说到一半时笑出声。代价是声音比文字难学：同一句话说两遍，声波也不会相同，一个词的字节数是文字的上千倍。Block称，Dessa学会语言用到的词量只有大语言模型的几百分之一，训练只用了一台英伟达GB200 NVL72机柜。
能在笔记本上本地跑，暂时还用不上
本地运行是另一个看点。Block表示，推理速度超过实时，在MacBook Pro M4 Max及以上机型上就能本地跑，不必把录音送到云端，对隐私敏感的场景是加分项。但Block没给出延迟、参数量或功耗数字，要等后续实测验证。
现阶段的限制也很清楚：没有公开的API、价格、权重和评测成绩，能看到的只是Block挑选的演示录音。The Verge评价部分对话“有点别扭和诡异”，其中一段里模型把说话人错认成“罗纳尔多”。首批体验资格留给了AI安全研究员，Block的理由是这类模型属于新领域，要先请外部专家找出团队没想到的风险。普通用户目前只能先加入候补名单。
为什么这一步值得盯
Block的理由不只是体验更好，还有安全：今天的语音AI对说话人的情绪近乎“失聪”，一个人在电话里疼得厉害，模型也可能毫无察觉地继续聊。能直接听懂语气和情绪的模型，理论上可以在这类场景更早刹车。这个说法是否成立，取决于安全研究员实测出什么，而不是演示录音听起来多像真人。
接下来看三件事：安全研究员的实测反馈、Block是否公布可复现的评测、候补名单何时向普通用户开放。在这三件事落地前，Dessa更像一个方向正确的实验，而不是能马上落地的语音方案。
