# Block语音模型跳过文字训练 > Dessa尝试直接从人类语音学习对话，支持边听边说；公众可用性和独立性能验证仍有限。 _Source: Block / TechCrunch · 2026-10-25 · 5 min read · Verified against primary sources_ Canonical: https://iyu.app/zh/e/block-dessa-speech-only-conversation ## 60 秒版本 Block推出实验性对话模型Dessa，称其从零开始只用人类语音训练，不使用文字或预训练模型。它试图保留语音转录时容易丢失的停顿、语调和情绪线索。目前这仍是研究展示，不是面向所有用户开放的语音助手。 **要点** - Block称模型只用人类语音训练，没有借用预训练模型。 - 全双工解决收听与发声重叠的问题，不只是让合成声音更像真人。 - 开发者称M4 Max级别或更高配置可本地运行，目前访问仍有限制。 - ⚑ 训练资源、词数效率比较、运行速度和硬件要求均为开发者自述，尚非独立复现结果。 **结论.** 语音优先交互的展示值得关注，可靠性、安全性和实际可用性仍需外部检验。 ## 全文 Block推出实验性对话模型Dessa，称其从零开始只用人类语音训练，不使用文字或预训练模型。它试图保留语音转录时容易丢失的停顿、语调和情绪线索。目前这仍是研究展示，不是面向所有用户开放的语音助手。 ### 为什么绕过转录文字 常见语音助手先把声音转成文字，再让语言模型生成回答，最后合成语音。这种流程便于组合不同组件，但转录稿只是对谈话的压缩记录：一句话之前的迟疑、说到一半的打断、紧绷的嗓音，都可能改变意思。并非所有现有语音系统都采用同一条流水线。 Block将Dessa描述为声音输入、声音输出，知识也来自语音对话。官方示例展示了笑声、音量变化和有情绪起伏的回答。TechCrunch独立报道了发布及演示，但报道本身不等于对模型可靠性的独立跑分。 ### 边听边说改变了什么 全双工指的是收听和发声可以重叠。助手不必机械地等到对方彻底说完，理论上也能在回答时接收纠正，或在对方继续说话时给出简短回应。重点是对话时序，而不只是声音是否像真人。 官方页面称展示片段为实时对话录音，字幕是事后添加的。这些经挑选的示例有助于理解目标体验，但无法说明模型在多少次交谈中会错误抢话、错过纠正，或在嘈杂环境中失灵。 ### 本地运行不等于公众可用 Block称Dessa可在配备M4 Max或更高配置的MacBook Pro上本地运行，推理速度快于实时。这是开发者对硬件与速度的说明，不是公开的跨设备性能评测，也不意味着普通消费电脑都能运行。 本地推理可以减少把谈话声音发送到服务器的需要，但具体效果取决于应用实现。它本身不能证明应用不录音、不留存数据。官方提供候补名单，并邀请少量AI安全研究人员提前测试，而非向公众无限制开放。 ### 哪些结论仍待检验 Block还称训练使用了一套NVIDIA GB200 NVL72系统，接触的词数比大语言模型少数百倍。这些都是企业自述，无法据此直接比较能力、数据质量、算力费用或能耗。一套系统也不等于一张GPU。 下一步更有价值的测试包括不同设备上的响应延迟、被打断时的表现、口音和背景噪声、事实准确性，以及用户能否明确知道自己在和机器说话。声音显得体贴，不代表模型有感情、理解痛苦或适合提供临床建议。 > **⚑ Caveat:** ⚑ 训练资源、词数效率比较、运行速度和硬件要求均为开发者自述，尚非独立复现结果。 目前应把Dessa看作值得关注的语音交互研究方向，而非可以立即替换可靠服务的产品。若未来正式推出，使用前先核对开放范围、硬件要求和录音控制。 ## Primary sources - [Block — Dessa: model description, demonstrations and researcher access](https://block.xyz/dessa) - [TechCrunch — Block’s new voice model sounds eerily human (October 24, 2026)](https://techcrunch.com/2026/10/24/blocks-new-voice-model-sounds-eerily-human/) --- _Published by iyu (https://iyu.app) — the day's AI news, checked against primary sources and rewritten in plain language. Free to quote with attribution and a link to the canonical URL._