Block僅憑人類音頻在單個Nvidia機架內構建Dessa語音AI
Jack Dorsey旗下的Block僅使用人類語音訓練了其新語音模型Dessa，未使用任何文本或預訓練模型。
Block 表示，該模型完成後可在 MacBook Pro M4 Max 或更高配置的電腦上本地運行。該實驗室在一臺 Nvidia 服務器機架上進行訓練。
Block 稱 Dessa 是其所知首個能夠進行逼真實時對話的 AI，且僅基於人類語音進行訓練。其背後的小型研究實驗室直接向 Dorsey 彙報。
全雙工模型在與 OpenAI 的 GPT-Live-1 進行的無引導演示中進行對話
許多語音助手會將人們說的話轉化爲文本，通過語言模型處理，再將文本轉回語音。正如Block所言，這種流程會丟棄情感、諷刺、笑聲以及聲音顫抖時的悲傷感。
Dessa 是一個將語音直接轉換爲語音的模型，中間不經過文本。就像兩個人一樣，它同時說話和傾聽。
Block 表示，它知道何時插話，何時用“嗯！”或“明白了！”來回應。它的運行速度比實時還要快。
Block 表示，錄音中無人對 AI 模型進行引導。它自主決定說什麼、何時說以及如何說。
在錄音中，Dessa 會在句子中途大笑，對意外感到驚訝時會倒吸一口氣，當被要求大聲說話時聲音會變大。在其中一段錄音中，Dessa 與 OpenAI 的 GPT-Live-1 進行了對話。
Block 表示，GPT-Live-1 的開發人員並未審覈或認可 Dessa。
我們打造了首款完全基於語音訓練的、可進行真實對話的 AI 模型！
Dessa 是一款全雙工語音到語音模型，您可以在消費級 GPU 上運行它。
這是語音領域的GPT-3時刻。 pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) 2026年10月23日
GB200 NVL72 讓模型從少得多的詞彙量中學習語言
Dessa 在單臺 Nvidia GB200 NVL72（機架級系統）上進行訓練。該實驗室表示，其模型學習語言所需的“詞彙量”比基於文本的大語言模型少了數百倍。
Block 表示，語音使任務變得更加複雜。一個口語單詞的字節數是同一書面單詞的數千倍。
該實驗室由前多倫多深度學習初創公司 Dessa 的成員創立。團隊已在生成式語音模型領域深耕超過八年。
Ragavan Thurairatnam 負責該項目，他在 X 上稱此次發佈是“語音領域的 GPT-3 時刻”。
Dessa 目前未公開。Block 正在運行等待名單，並向一小部分 AI 安全研究人員提供早期訪問權限，以揭示團隊尚未預見到的風險。
促使 Block 構建該模型的有三個原因。其中兩個是好奇心以及增進人類與 AI 之間的理解。
第三個原因是？安全。
Block 設想了一個場景：一個人正遭受劇烈疼痛，但語音 AI 並未察覺，仍在繼續說話。
Cryptopolitan報道，今年二月，Block（紐約證券交易所代碼：XYZ）裁掉了40%的員工。
Block Inc. 於七月推出了Buzz。這是一款面向職場的聊天應用，人類和AI代理可以在其中共享頻道。
不要只是閱讀加密貨幣新聞，要真正理解它。訂閱我們的通訊。 免費。
