杰克·多西（Jack Dorsey）旗下的金融科技公司 Block 在其研究实验室推出了一款名为 Dessa 的新型语音模型。据公司介绍，该模型完全基于人类语言数据训练，且仅需单张 NVIDIA GPU 即可运行。
Dessa 具备全双工交互能力，能够像 OpenAI 早前发布的 GPT-Live 模型一样，实现同时说话与聆听。与传统架构不同，Block 指出 Dessa 并不依赖外部大型语言模型进行知识检索，其“知识”直接源自训练过程中所吸收的对话数据。
我们相信语音是与智能交互的最自然方式，所以我们创建了 Dessa。感觉就像和一个人说话一样... 充满了情感，细微差别，暂停。2026 年 10 月 23 日
Block 批评了当前主流语音 AI 的技术路径。公司认为，现有模型通常采用“文本驱动语音生成”的流程，即先将用户语音转为文本，再由文本生成回复语音。这一过程丢弃了大量无法通过文字承载的非语言信息，如语气、停顿和情感细微差别。Block 在博客中称，这种机制导致交互体验不佳，甚至可能带来安全隐患，因为即便最强大的人工智能也无法真正“听到”用户的情绪状态。
针对 ElevenLabs v4 或 Fish Audio Drama 3 等竞品使用语音标签来引导情感生成的做法，Block 声称 Dessa 的情感表达是内建于模型本身的，而非通过显式标签控制。不过，关于具体技术实现细节，目前尚不清楚是否完全排除了标签引导的可能性。
研究人员展示了多个 Dessa 的对话实例，演示了其在不同声音、节奏和情绪下的表现。例如，在一则示例中，当机器人表示工作疲惫时，其语调确实呈现出相应的疲态；另一段视频中，Dessa 正在谈论令其感到舒适的人选。此外，还有展示 Block 团队成员与 Dessa 玩猜词游戏的片段，模型在快速猜测方面表现出一定的逻辑能力。
我们创建了第一个可以与你进行真实对话的人工智能模型，它完全是通过语言进行训练的！可以在消费者 GPU 上运行。这是 GPT3 发言的时刻。20 拉加万·图拉拉特南 (@RagavanThurair)
艾丁·波拉特 (@AydinPolatDessa) 2026 年 10 月 23 日
为了爱游戏。看卡拉和德萨玩一个猜测游戏。模型很快就猜出第一个，第二个也不需要多久 either.https://t.co/FDmoXNPpIh pic.twitter.com/I9f8saduEA Block (@blocks)
硬件方面，Block 确认 Dessa 可在消费级计算机本地运行，推荐配置为 MacBook M4 Max 或同等性能以上的设备。目前该模型尚未向公众开放访问权限，公司已邀请安全研究人员参与测试，重点评估语音代理欺骗人类用户的潜在风险。
作为金融服务提供商，Block 主要面向小企业销售解决方案。其旗下 Square 业务已利用语音 AI 处理订单，旨在以更低的成本优化商业及消费体验。
