Block 放出 Dessa 全双工语音模型：不走文本中转，听得出你笑着还是在叹气

这玩意儿最反常识的地方

主流语音助手大多是个链条：先把你的话转成文字，再让大模型想答案，最后用语音合成念出来。问题就出中间那段文字上——笑声、停顿、哽咽、欲言又止，这些承载情绪的东西，一转成文字基本就丢光了。Block 这次放的 Dessa 偏偏砍掉中间这段，音频进、音频出，号称全世界第一个纯靠人类对话音频从零训出来的全双工语音模型。据 IT之家、Indian Express 等 10月25日报道，它是在 10月23日作为研究预览放出的，团队负责人还把它比作语音界的 GPT-3 时刻，话有点满，但方向确实新鲜。

全双工到底香在哪

全双工就是它能一边听一边说，不像对讲机那样非得等对方说完。你插一句嘴它接得住，你停顿它懂得等，甚至能顺着你的情绪回个嗯哼、笑一下。这听着像小事，实则是聊天质感的分水岭。对比一下，OpenAI 今年 7 月发的 GPT-Live 也是全双工思路，但 Dessa 的卖点是压根不经过文本层，情绪信号从头到尾没被丢过。对咱们做客服、做陪伴类产品的人来说，这点差别用户嘴上说不清，耳朵却骗不了人。

它真能在你笔记本上跑

Block 说 Dessa 在单台英伟达 GB200 NVL72 机架上完成训练，推理比实时还快，能在 MacBook Pro M4 Max 或更高配的机器上本地跑。这点对隐私敏感的场景很关键——语音不往云端送，就在你设备上处理。现在它还没对外开放，走候补名单，并且特意邀请安全研究者来挑刺，重点测这类语音智能体骗人的风险。一个还没正式上线的研究预览就这么谨慎，反倒让人觉得这帮人心里有数，不是急着割韭菜。

也别被演示页带节奏

说实话，Dessa 现在最硬的证据就是那几段公开的对话录音，没有论文、没有参数量、没有基准榜成绩。The Verge 试听下来觉得大多自然，也有别扭和诡异的时候，比如它把对话对象叫成了罗纳尔多。所以咱们看热闹归看热闹，别把它当成已经能打的成品。一个研究预览，demo 漂亮是基本功，真要进生产，中断准不准、答得对不对、稳不稳，这些录音证明不了。咱做产品的，最忌把别人的概念片当自己的交付标准。

对咱们有啥启发

抛开 Block 这家的故事，Dessa 点出一个真趋势：语音 AI 的下一程，比的不是谁念得更字正腔圆，而是谁更懂听情绪、接得住人话。文本中转那一代的体验天花板已经看得见，直接处理音频的路线如果跑通，客服、陪伴、车载这些场景会集体升级。对咱们小团队，现在用不起也正常，但得把这条线记在观察清单里——等它开源或出 API，第一批拿来做的，大概率能省下一笔外包语音设计的钱。

一句话收尾

Dessa 现在是个带锁的研究预览，离你手机里天天用还早，但它把语音 AI 那层遮羞的文本中转撕开了，这个方向值得盯。咱们普通人记住一句：以后挑语音助手，别光听它字儿准不准，听听它懂不懂你笑着还是在叹气，那才是真功夫。工具是来替你省心的，不是来给你念稿子的。