Block 发布 Dessa：纯语音训练的全双工对话模型

2026/10/25 09:40

核心发布：Block 旗下研究团队发布 Dessa，直接从人类语音训练，接收和生成音频，不以文本训练或既有预训练模型为基础。目标是让模型一边听一边说，处理打断、附和、语气和情绪等传统轮流式语音助手较难保留的信息。
工程配置：训练使用一套 NVIDIA GB200 NVL72 系统；推理可在配备 M4 Max 或更高配置的 MacBook Pro 本地进行。发布说明称训练所见词语数量比大语言模型少数百倍，但承认后者还要学习代码等其他知识，比较的任务范围并不相同。
可用性与边界：目前主要通过候补名单和有限研究者访问提供体验，未披露完整权重、训练数据时长及标准化对照评测。官网展示对话并称字幕为后加，演示中的人类相似感不能单独证明模型具有更广泛的理解能力。
行业观察：语音中的语气和情绪信息比文字丰富，直接学习音频可能形成不同于文本模型的交互优势；但全双工不等于不停插话，演示中音量指令维持不久、话题需要人类重新引导，提示控制稳定性与短期连贯性仍需改进。