❯ Block 公布 Dessa，仅用人类会话音频训练实时双向语音模型

从声音学习如何对话Jack Dorsey 旗下 Block 的研究团队于 10 月 23 日公布 Dessa。团队称，模型仅以人类会话音频从零训练，没有使用文本或预训练模型，能够实时同时听和说。公开页面提供多段真人与模型的会话录音，并邀请少量 AI 安全研究人员提前访问。

学习语气也学习时机全双工指双方能够同时发送和接收声音，不必严格等一方说完再回应。Block 展示的重点包括停顿、插话、简短附和及情绪语气。对语音产品来说，同一句话的重音、叹气和笑声都可能影响意思，直接学习这些声音信息，有机会改善仅凭文字难以表达的互动细节。

演示进入后续验证阶段团队还称模型可在 M4 Max 或更高配置的 MacBook Pro 上本地运行，但目前没有公开足以比较综合表现的完整评测。现阶段的增量在于，Dessa 提供了一条可以继续检验的语音原生训练路线：自然会话节奏、知识能力和风险表现，需要在更广泛的真实交流中分别验证。

▮ SIGNAL语音模型开始把说话时机与声音里的情绪一同作为学习对象，交互质量将需要超出转写准确率的衡量方式。