Block 的新语音模型听起来非常人性化
资讯概览
本篇资讯源自 TechCrunch，报道了关于 Block 的新语音模型听起来非常人性化（英文原文：Block’s new voice model sounds eerily human）的最新国外 AI 科技动态。
- 媒体来源：TechCrunch
- 发布时间：2026/10/25 00:00:00
- 资讯分类：国外 AI 资讯
详细内容 (中文翻译)
Jack Dorsey 的 Block 在公司的研究实验室中发布了一种新的语音模型，该模型在本地运行，听起来很奇怪，包括笑声、停顿和哭泣等表情。该公司表示，该模型名为 Dessa，完全接受了人类语音和单个 NVIDIA GPU 机架的训练。
Dessa 是一款全双工模型，这意味着它可以同时说话和聆听，就像今年早些时候发布的 GPT-Live 模型 OpenAI 一样。通常，语音模型与大型语言模型配对以进行知识检索。布洛克说，德萨的知识源于它拥有的对话数据。
我们相信语音是与智能交互的最自然方式，因此我们创建了 Dessa，这是有史以来最真实的全双工语音模型。与它交谈感觉就像与一个人交谈......充满情感、细微差别、停顿和自然的节奏。 https://t.co/r0qFLdvd6c— 杰克 (@jack) 2026 年 10 月 23 日
我们相信语音是与智能交互的最自然方式，因此我们创建了 Dessa，这是有史以来最真实的全双工语音模型。与它交谈感觉就像与一个人交谈......充满情感、细微差别、停顿和自然的节奏。 https://t.co/r0qFLdvd6c
布洛克表示，当前的模型听起来不自然且烦人，因为它们的管道中包含驱动语音生成的文本。许多模型（例如 ElevenLabs v4 或 Fish Audio Drama 3）使用语音标签来驱动语音生成中的情感。多尔西的公司声称其模型中融入了情感。目前尚不清楚这种情绪是否受到某种标签的引导。
该公司在一篇博客文章中表示：“与当前的语音人工智能交互简直太糟糕了。它将你的声音变成文本，并丢弃大量仅靠文本无法携带的信息。世界上最强大的人工智能无法听到你的感受。我们认为这很荒谬，会导致更糟糕的体验，并且有潜在的危险。”
该公司的研究人员发布了多个与黛莎对话的例子，其中特工有不同的声音、节奏和情绪。例如，在对话中，机器人说它工作很累，当时听起来很累。
我们制作了第一个可以与您进行真实对话的 AI 模型，该模型完全基于语音进行训练！Dessa 是一个全双工语音到语音模型，您可以在消费级 GPU 上运行。这是语音的 GPT3 时刻。 pic.twitter.com/XVD8sSyJn8—Ragavan Thurairatnam (@RagavanThurair) 2026 年 10 月 23 日
我们制作了第一个可以与您进行真实对话的 AI 模型，该模型完全基于语音进行训练！Dessa 是一个全双工语音到语音模型，您可以在消费级 GPU 上运行。这是语音的 GPT3 时刻。 pic.twitter.com/XVD8sSyJn8
在下面的示例中，机器人正在谈论让其感到舒适的人，同时听起来很情绪化，几乎崩溃了。
Dessa=全双工语音模型与 Human=me，https://t.co/1eI6QFHo1w pic.twitter.com/zlZfxH2BA5 — Aydin Polat (@AydinPolatDessa) 2026 年 10 月 23 日
Dessa=全双工语音模型与 Human=me，https://t.co/1eI6QFHo1w pic.twitter.com/zlZfxH2BA5
另一张照片显示了一名 Block 团队成员与语音助手一起玩游戏。
出于对游戏的热爱。观看卡拉与黛莎玩猜谜游戏。该模型立即猜测第一个，第二个也不需要很长时间。https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA—Block (@blocks) 2026 年 10 月 23 日
出于对游戏的热爱。观看卡拉与黛莎玩猜谜游戏。该模型立即猜测第一个，第二个也不需要很长时间。https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA
该公司表示，该模型可以在消费级计算机（例如 MacBook M4 Max 或更好的计算机）上本地运行。然而，目前还没有公众可以访问 Dessa，Block 已呼吁安全研究人员测试该模型。这可能会测试语音代理可能欺骗另一端的人的情况。
Block 从事金融业务，并向小型企业销售其解决方案。 Square 已经使用语音人工智能来处理订购。但凭借可以在设备上运行的自己的语音模型，它可以以更低的成本提供更多的业务和消费者体验。
