软件研发智能化
Block 研究实验室发布本地全双工语音模型 Dessa:可在消费级 GPU 运行
TechCrunch 报道 Block 研究实验室推出全双工语音模型 Dessa,宣称纯语音训练、情感内建,可在 MacBook M4 Max 等消费级设备本地运行,目前未对公众开放并征集安全测试。
多数语音助手仍走「语音→文本→大模型→再合成」管道,韵律与情绪容易在文本环节被削平。TechCrunch 报道,Jack Dorsey 旗下 Block 的研究实验室发布全双工语音模型 Dessa:可同时听与说,宣称完全在语音数据上训练,情感表现内建而非依赖外部 voice tag;训练使用单一 NVIDIA GPU 机架规模的资源。
产品侧几个可核对的点:全双工交互类似 OpenAI 较早前的实时语音路线;知识主要来自对话式语音数据而非外挂检索;公司称可在 MacBook M4 Max 或更好的消费级机器上本地运行;目前无公众下载,正在征集安全研究者试用,重点包括语音代理可能冒充真人的风险。报道援引团队演示:疲惫语气、情绪起伏,以及猜谜等互动样例。Block 还批评现有方案把声音转成文本时丢掉大量非文本信息。
flowchart TB
U[用户语音] --> D[Dessa 全双工语音模型]
D --> U
D -.->|本地| H[消费级 GPU / M4 Max+]
note1[当前: 无公开访问 / 征集安全测试]
商业语境上,Block 面向中小企业与金融科技,Square 已有语音点单等应用;自研可本地跑的语音模型,理论上能把更多店内与客服体验压到端侧以控成本。是否开源、延迟与多语言能力、情感是否仍由隐式标签驱动,报道均未给出基准数据,需等官方技术说明。综合科技媒体稿件,事实以公司博客与演示为准。
适用读者:语音交互、端侧模型与企业客服/点单场景的产品与研发负责人。