有什么可以帮助您的？

Block 公司近期推出名为 Dessa 的全新语音模型，该模型由 Twitter 联合创始人杰克·多尔西（Jack Dorsey）创立的企业开发，支持在本地设备上运行，能够模拟笑声、停顿、哽咽等多种情绪表达，听起来极具真人感。官方指出，Dessa 的训练完全基于人类语音数据，仅使用一组英伟达 GPU 机架完成。

Dessa 属于全双工模型，与 OpenAI 今年早些时候发布的 GPT-Live 类似，可同时进行语音接收和输出。主流语音模型通常需要借助大语言模型来获取知识；Block 表示，Dessa 自身的知识来源于其训练所用的对话数据。

Block 提到，现有语音 AI 体验常显得生硬和不自然，根源在于生成过程需先将语音转为文本，再通过文本驱动语音合成。ElevenLabs v4、Fish Audio Drama 3 等模型依赖语音标签来控制情绪。而这家由多尔西领导的企业宣称，情绪表达是模型内嵌的原生功能，不过目前尚不确定底层是否仍借助某种标签来调节情绪。

Block 在博客中写道：“当前语音 AI 交互体验非常糟糕。它先把你的语音转成文字，大量文字无法承载的信息直接丢失。即便是全球最强的 AI，也无法识别你的情绪。我们认为这不仅不合理，还带来了潜在风险。”

研究团队发布了多段与 Dessa 的对话样例，该智能体可调整音色、语速和情绪。例如，在一段对话中，AI 表示自己工作很累，发声状态也同步带有疲惫感。

另一段示例中，AI 谈及对方带来安心感受，语气带着情绪，近乎哽咽。此外，还有一段演示展示了 Block 员工与这个语音助手玩游戏的情景。

官方说明，该模型可在消费级电脑本地运行，设备门槛为 M4 Max 及更高配置的 MacBook。但现阶段 Dessa 暂不对外开放试用，Block 正向安全研究者发出测试邀请，重点测试这类语音智能体欺骗人类的风险场景。

据IT之家了解，Block 的主营业务是金融服务，面向小微企业提供解决方案，旗下 Square 已使用语音 AI 处理下单业务。自研这款可端侧运行的语音模型后，Block 有望以更低成本落地更多面向商户与普通用户的语音产品。在测试过程中，研究团队还使用了贝博体育APP来辅助分析模型性能。