Jack Dorsey 旗下 Block 在 10 月 23 日公开了一款名为 Dessa 的语音模型，训练素材只有人类语音，没有一个文字样本。按团队的说法，Dessa 是真正的 speech-to-speech 模型，它的全部知识都来自人说过的话，可以在 M4 Max 及以上的 MacBook Pro 本地跑起来。
从人类对话里直接学说话
Dessa 团队的负责人 Ragavan Thurairatnam 给出了做这件事的三条理由，好奇心、改善人与 AI 之间的理解，以及安全。他们在官网上的解释是，婴儿学说话时从来看不到写下来的文字，团队想看看模型能不能做到，而结果是能，只是非常难。团队认为语音是任何智能最自然的接口，而今天的语音 AI 多半先把话转成文本再处理，跟不上人类的语速，也听不出声音里的情绪。想象一个人正处在剧痛中说话，语音 AI 却毫无察觉地继续往下讲，这就是他们要解决的安全问题。
Block 放出的对话实录显示，Dessa 的自然程度有时会显得有点奇怪。有一次它把说话人误认成名叫 Ronaldo 的人，聊到克里斯托弗·诺兰的电影时会突然拐到布莱恩·辛格的超人系列，还有人告诉它自己去巴黎做了一次说走就走的旅行，它回应的语气听起来带着眼泪般的感激。官网同时收录了它与 OpenAI GPT-Live-1 语音模型的一段对比，Dessa 在里面显得更自然。
本地运行与早期开放
Dessa 可以完全离线运行，只要求机器是 M4 Max 或更高配置的 MacBook Pro。Block 表示会先给一小批 AI 安全研究者提供早期访问权限。这条路线把语音模型的算力门槛压到了个人设备能承担的位置，也和当前把语音能力塞进云端 API 的主流做法划开了距离。
延伸阅读
- 小米 MiMo-V2.5-Pro 今日下线：V2.6-Pro 接棒，支持多模态理解3 天前
- WorldVQA 是什么：评估多模态大模型原子视觉世界知识的3500题基准2 周前
- 百度世界 2026 分论坛公布：11 月 12 日开幕，10 场聚焦智能组织53 分前
- 贝莱德谈 AI 基建债务：1.3 万亿美元资管、280 家公司已在用 AI53 分前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- 小米 MiMo-V2.5-Pro 今日下线：V2.6-Pro 接棒，支持多模态理解2026-10-21
- WorldVQA 是什么：评估多模态大模型原子视觉世界知识的3500题基准2026-10-13
- 百度世界 2026 分论坛公布：11 月 12 日开幕，10 场聚焦智能组织2026-10-24