IT之家 10 月 25 日消息，Twitter 联合创始人杰克 · 多尔西（Jack Dorsey）旗下的 Block 公司推出了一款全新语音模型 Dessa，支持本地运行，能模拟笑声、停顿、哽咽等情绪表达，听感高度拟人。官方介绍，Dessa 完全基于人类语音数据训练，训练过程仅使用了一组英伟达 GPU 机架。
Dessa 属于全双工模型，和 OpenAI 今年早些时候发布的 GPT-Live 一样，可以一边说话一边收听用户语音。主流语音模型一般需要搭配大语言模型来调取知识；Block 称，Dessa 自身的知识来源于其训练所用的对话数据。
Block 表示，现有语音 AI 体验经常生硬、违和，根源在于生成链路要先转成文本，再由文本驱动语音合成。 ElevenLabs v4、Fish Audio Drama 3 等不少模型依靠语音标签来控制情绪。
而这家多尔西的公司宣称，情绪表达是模型原生内置的，不过目前尚不清楚它底层是否仍然依靠某种标签来调控情绪。 Block 在博客中写道：“现在的语音 AI 交互体验实在糟糕。
它先把你的语音转成文字，大量文字承载不了的信息直接丢失。即便是全球最强的 AI，也听不出你的情绪。
我们认为这很不合理，不仅体验差，还存在潜在风险。研究团队放出了多段和 Dessa 的对话样例 ，这个智能体可以切换音色、语速与情绪。
比如有一段对话里，AI 说自己工作很累，发声状态也同步带上疲惫感。还有一段示例中，AI 聊到对方带给自己安心的感受，语气带着情绪，近乎哽咽。
另外一段演示是 Block 的员工和这个语音助手玩游戏。官方说明，该模型可以在消费级电脑本地运行，设备门槛为 M4 Max 及更高配置的 MacBook。
但现阶段 Dessa 暂不对外开放试用，Block 正向安全研究者发出测试邀请，重点测试这类语音智能体欺骗人类的风险场景。据IT之家了解，Block 的主营业务是金融服务，面向小微企业提供解决方案，旗下 Square 已经在用语音 AI 处理下单业务。
自研这款可端侧运行的语音模型之后，Block 有望以更低成本，落地更多面向商户与普通用户的语音产品。