Block 推出全新 AI 語音模型 Dessa 顛覆想像，連諷刺、笑聲都能完美還原
Block 旗下的 AI 研究團隊近日正式發表全新語音模型「Dessa」，正重新定義人機語音互動的可能性。官方強調，這款系統完全從零開始，純粹依賴「人類對話音訊」進行訓練，徹底屏棄了傳統的文字資料與預訓練模型。
透過創新的「語音對語音」（speech-to-speech）架構，Dessa 具備了如同真人般「邊聽邊說」的能力，使其在對話時的節奏與停頓，都能呈現出極度自然的交流體驗。
Block 指出，Dessa 的核心設計重點不僅在於「回答什麼」，更在於「怎麼互動」──包含何時該插話、如何自然接話，以及語氣、音量與情緒的精準表達。
根據官方釋出的示範錄音，Dessa 能在對話中毫無違和地穿插簡短回應；當遇到驚喜情境時，甚至會發出倒抽一口氣、笑聲及語氣起伏。此外，Dessa 具備極高的語音敏銳度，能輕易辨識人類的諷刺語氣、遲疑或聲音裂痕等細微線索並做出相應反應，甚至能在被要求時即時提高說話音量。
We made the first AI model you can have a realistic conversation with that was trained entirely on speech!
Dessa is a full-duplex speech-to-speech model that you can run on consumer GPUs.
This is a GPT3 moment for speech. https://t.co/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) October 23, 2026
在技術與硬體規格方面，Dessa 也展現了極高的效率。Block 表示，該模型的訓練僅靠單一組 Nvidia GB200 NVL72 系統便大功告成；更便利的是，它能在搭載 M4 Max 或更高規格晶片的 MacBook Pro 等裝置上直接進行「本機執行」（Local Execution），大幅降低了終端應用的門檻。
Block 強調，語音本該是人類與智慧系統互動最自然的介面，然而現有的語音 AI 往往必須先將語音轉譯為文字，再生成回應，這個過程導致了情緒與時序資訊的嚴重流失。Dessa 的誕生，正是為了補足這一塊缺失。
不過，Dessa 目前仍處於「研究預覽」階段，尚未成為正式的商用產品。為了確保技術發展的安全性，Block 現階段僅將早期使用權限開放給少數 AI 安全研究人員申請。外界若想一窺這款語音模型的驚人潛力，目前可透過公司官方釋出的對話示範，感受其在自然對話中的真實表現。
Block's latest AI model Dessa was trained entirely on human speech — and it shows
Block unveils Dessa, a full-duplex voice model trained only on human speech
（首圖來源：pixabay）