Block发布全双工语音模型Dessa：只用人类对话训练、没有文本环节，可在MacBook本地运行
· 来源：TechCrunch
杰克·多尔西的Block推出研究预览版语音模型Dessa，直接在音频上“边听边说”，能保留笑声、疲惫等情绪线索。
杰克·多尔西（Jack Dorsey）旗下的Block于10月23日发布Dessa，一款从零开始、只用人类语音对话训练的全双工语音到语音模型。与常见的“语音转文字—大模型—文字转语音”流水线不同，Dessa全程处理音频，不经过任何文本步骤，也没有使用预训练语言模型。
Block认为，把声音转成文字会丢掉大量信息：“世界上最强的AI听不出你的感受，这很荒谬，体验更差，也可能带来危险。”全双工意味着Dessa可以同时听和说，像真人一样插话、停顿和接话。官方和研究人员放出的示例中，模型会在说自己“下班很累”时语气疲惫，在动情处几乎哽咽，还能和人玩猜谜游戏。
据TechCrunch报道，Dessa仅用一个NVIDIA GPU机柜训练完成；Block称它可以在M4 Max及以上的MacBook Pro本地运行。团队成员称这是“语音的GPT-3时刻”。由于声音过于逼真，Dessa目前只作为研究预览，先向一小批AI安全研究人员开放，公众可加入候补名单。
逼真的情感语音也引发了诈骗方面的担忧：业内人士指出，能在本地运行、听起来像真人的语音模型可能被用于电话诈骗和身份冒充，这也是Block选择先交给安全研究者评估风险的原因之一。