杰克·多西的Block推出了一款新的语音模型，来自公司研究实验室，可以本地运行，听起来异常人性化，具有笑声、停顿和哭泣等表情。公司表示，这款名为Dessa的模型完全以人类语音和单个NVIDIA GPU进行训练。Dessa是一个双向全双工模型，这意味着它可以同时说话和倾听，就像OpenAI今年早些时候发布的GPT-Live模型一样。通常，语音模型会与大型语言模型结合以进行知识检索。Block表示，Dessa的知识来源于其对话数据。我们认为，语音是与智能互动的最自然方式，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。和它交谈感觉就像和一个人交谈……充满情感、细微差别、停顿和自然的节奏。https://t.co/r0qFLdvd6c — jack (@jack) 2026年10月23日 Block表示，目前的模型可能听起来不自然且令人厌烦，因为它们在生成语音的过程中有文本传输。一些模型如ElevenLabs v4或Fish Audio Drama 3使用语音标签来驱动生成语音的情感。多西的公司声称情感已经融入其模型中。目前尚不清楚这种情感是否由某种标签来引导。“与当前语音AI的互动简直很糟。它将你的声音转化为文本，并丢弃单独的文本无法承载的巨量信息。世界上最强大的AI无法听到你的感受。我们认为这是荒谬的，导致更差的体验，并且可能是危险的，”公司在一篇博客文章中表示。公司的研究人员发布了与Dessa对话的多个示例，其中代理人有不同的声音、韵律和情感。例如，在对话中，机器人表示自己因为工作而疲惫，此时听起来确实很疲惫。我们制作了第一个可以进行真实对话的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的模型，你可以在消费者GPU上运行。这是语音领域的GPT3时刻。pic.twitter.com/XVD8sSyJn8 — Ragavan Thurairatnam (@RagavanThurair) 2026年10月23日 在下面的示例中，机器人在谈论一个让它感到舒适的人时，声音显得很情绪化，几乎快要崩溃。另一个示例显示了Block团队成员与语音助手一起玩游戏。公司表示，该模型可以在消费者级计算机上本地运行，例如MacBook M4 Max或更好的设备。然而，目前公众无法访问Dessa，Block已经向安全研究人员发出呼吁，测试该模型。这可能是为了测试语音代理可能会欺骗另一端人类的情况。Block从事金融业务，并将其解决方案销售给小企业。Square已经使用语音AI来处理订购。但有了自己的语音模型可以在设备上运行，它可以在更低成本下推动更多的商业和消费者体验。当您通过我们文章中的链接进行购买时，我们可能会获得小额佣金。这不会影响我们的编辑独立性。伊凡在TechCrunch报道全球消费科技的发展。他驻印度，曾在包括《赫芬顿邮报》和《下一步网络》等出版物工作。您可以通过电子邮件联系或验证伊凡的联系，邮箱是 [email protected] 或通过加密消息在Signal上联系ivan.42。