Dessa 是什么:Block 纯语音模型 10月24日发布封面图
AI 入门约 8 分钟

Dessa 是什么:Block 纯语音模型 10月24日发布

AI 指南··◉ 0 浏览

Dessa 是 Jack Dorsey 旗下 Block 在 10 月 24 日发布的语音对话模型,训练数据里没有文字,只靠听人类真实对话从零训练。Block 称它是第一个只从语音学会实时对话的模型。

结论先讲清楚:Dessa 现在用不到,没有下载、没有 API、没有定价,只有录音和等候名单。这篇讲它是什么、怎么训的、和 GPT-Live-1 差在哪。

Dessa 官网首屏截图

Dessa 是什么

Dessa 是真正的语音到语音模型,知识和表达全部来自人类语音本身,中间没有文本这道工序。它出自 Block 旗下一个很小的 AI 研究实验室,成员来自收购的多伦多公司 Dessa,官网写明直接向 Jack Dorsey 汇报,团队 2012 年起做深度学习,负责人是 Thurairatnam。

时间有两种说法:Hacker News 10 月 23 日(美西时间)先上首页,网易转载的 IT 时代网快讯和虎嗅快讯都是 10 月 24 日口径。

怎么训练的:只用对话录音,没有文本

今天多数语音助手是三级流水线:语音转文字,大模型想一遍,再文字转语音。语气、停顿、讽刺、笑声,全在转成文字那一刻被拍平。Dessa 直接声音进声音出,官网说法是从零、只用人对话训练,没有预训练模型。

它是全双工模型,听和说同时进行,会在你说话中间插嘴,会用 yeah、got it 表示自己在听,也自己判断该沉默到什么时候,讲到好笑处会在句子中间笑出来。

传统级联语音链路与 Dessa 端到端语音到语音对比示意图

官网原话是训练只用一台 NVIDIA GB200 NVL72,中文报道普遍照抄。但同一段还有一句被省略:它学语言用的词量是 LLM 的几百分之一。一台机器撑得住,前提是数据量少了两个数量级,这是路线的红利,不是硬件效率的胜利。

演示表现:和 GPT-Live-1 的边界

OpenAI 的 GPT-Live-1 走语音与推理分层:语音层听和说,查数据、调工具甩给后端模型,所以它聪明、能干活;Dessa 只有一个脑袋,只装得下说话。

证据是官网放的对比演示:Dessa 和 GPT-Live-1 互相对话,声音都是 AI 生成的。官网还加免责声明,说对方开发者与 Block 无关,没审阅也没认可。这是 Block 单方面放的,不是联合评测。

官网还称它是据我们所知世界上最真实的全双工语音模型,这句没有第三方评测或跑分支撑,当宣传语看。

第一批听众的真实反馈

Hacker News 那篇帖子拿了 441 分、166 条评论。夸的人说它真能在本地设备复现那样的低延迟和表达力。

最尖的反证来自批评者:双向演示过度人造,把尽可能多地打断当训练目标不是正确方向,第一句还没说完就被抢走。可见 Dessa 领先的是说话的质感,不是脑子,插话是训练出来的行为,不是理解。

能不能用:全球都没得用

不能,不是地区限制,是没有入口。

官网只有 demo 录音和等候名单,没有产品页、没有下载、没有 API、没有定价,也没有开放时间表。权重未开源,早期访问只给一小批安全研究者。

所以不存在国内怎么开通、要不要梯子的问题。中文搜到的「Dessa 下载」「Dessa 镜像站」都不可能是真的,唯一入口是 block.xyz/dessa,这类冒名站Antigravity 国内可用性核查里拆过。

Dessa 本地运行硬件门槛对比示意图

硬件上还有个说法:推理快于实时,能在 MacBook Pro M4 Max 或更好的机器上本地跑。但这是对模型能力的描述,不是给你下载的安装包。

现在能做的两件事

去 block.xyz/dessa 把 8 段录音听一遍,重点看和 GPT-Live-1 那段;想跟进就点 Join the waitlist。

想搞清楚它省掉了哪一步,读ASR 语音识别原理和TTS 语音合成原理。

常见问题

Dessa 是 Block 做的还是 Jack Dorsey 个人做的?

是 Block 公司做的。团队是 Block 旗下很小的 AI 研究实验室,成员来自收购的多伦多公司 Dessa,官网写明直接向 Jack Dorsey 汇报。

Dessa 真的没用任何文本数据训练吗?

按官方说法是没有。官网原文是从零、只用人对话训练,没有文本,没有预训练模型。但这只有一方声明,没有第三方复现,应算官方说法,不是已验证事实。

Dessa 能在 MacBook Pro 上跑吗?

官方口径是 MacBook Pro M4 Max 或更好,推理快于实时。但没放权重、没给安装方法,现在买台 M4 Max 也跑不起来。

Dessa 和 GPT-Live-1 哪个更好?

比不了。GPT-Live-1 是能调工具、能干活的生产级模型,Dessa 是纯研究预览,只会把话说得像人。官网那段互相对话是 Block 单方面放的,不构成公正对比。

国内能用吗?什么时候开放?

全球都不能用,不只是国内。没有 API、没有权重、没有定价,早期访问只对一小批安全研究者开放。开放时间没公布,宣称能下载的站点都该当诈骗。

它会变成产品吗?

不知道,官方没说。官网只把它定位成研究方向的推进,并向安全研究者征集风险反馈,更可能先以研究预览形式存在。

评论 (0)

?
0/1

还没有评论,来发第一条吧

网站上的服务均为第三方提供,
请用户注意自行甄别。

北京酷讯互动科技有限公司

备案京ICP备2024094994号-29

© 2026 AI345 · All Rights Reserved

用户服务协议·隐私政策