Block发布全双工语音模型Dessa
报价宝综合消息Block发布全双工语音模型Dessa
支付公司Block——Jack Dorsey旗下的Square母公司——发布了一款名为Dessa的语音模型，并称它是「迄今最真实的全双工语音模型」。所谓全双工，指模型可以同时说话和倾听，就像OpenAI今年早些时候发布的GPT-Live那样，与它交谈感觉像在跟真人对话，有情绪、有停顿、有自然的节奏。
Dessa与主流语音模型的根本区别在于训练方式：它完全用语音训练。Block指出，当前许多语音模型在管线中依赖文本来驱动语音生成，比如ElevenLabs v4或Fish Audio Drama 3用语音标签控制情绪，而Dessa把情绪直接内建在模型里。Block在博客中直言：现有语音AI体验「很糟糕」，把声音转成文字会丢掉大量文字无法承载的信息，「世界上最强大的AI听不出你的感受」。
研究人员放出了多段演示对话：模型说自己因工作而疲惫时，声音听起来真的透着倦意；在一段情感对话中，它谈到让对话者感到舒适，语气近乎哽咽；还有团队成员与它玩猜谜游戏，模型几乎一击命中。Block将其称为「语音的GPT-3时刻」。
更值得注意的是运行门槛：Dessa可以在MacBook M4 Max或更高配置的消费级电脑上本地运行，不需要云端算力。目前模型暂未公开，Block同时发出召集令，邀请安全研究员参与测试，重点排查语音智能体可能被滥用的场景。
Block的主业是金融服务和小微企业解决方案，旗下Square已经用语音AI处理门店点单。自研一套可本地运行的全双工语音模型，意味着它可以用更低的成本，把拟人化语音能力铺进更多商户和消费场景——从电话客服到门店助手，都是潜在落点。
编译自 TechCrunch，原标题："Block's new voice model sounds eerily human"
