Block发布Dessa语音模型：本地运行拟人声逼真，情感表达如真人
全新语音模型Dessa亮相
Jack Dorsey旗下的Block公司近日发布了一款名为Dessa的全新语音模型。该模型源自公司内部实验室，可在本地环境运行，其声音表现力令人惊叹——能够自然流露出笑声、停顿、哭泣等多种情感表达。
据官方介绍，Dessa的训练完全基于人类语音数据，仅需一台NVIDIA GPU机架即可完成部署。
全双工交互，突破传统限制
告别”机械感”对话
Dessa是一款全双工语音模型，支持与人类对话者同时进行语音输入和输出，这一特性与OpenAI今年早些时候发布的GPT-Live模型类似。
- 传统语音模型通常依赖大语言模型进行知识检索，而Dessa的知识来源于其训练过程中的对话数据
- 无需将语音转化为文本的中间环节，从根本上避免了信息损耗
- 情感表达直接内嵌于模型架构中，而非通过外部标签驱动
技术路线的创新
当前多数语音AI产品（如ElevenLabs v4、Fish Audio Drama 3等）依赖语音标签来控制情感输出，这种方式往往导致对话显得生硬且不自然。Block团队认为这种”文本中转”的设计存在根本缺陷。
官方在博客中表示：”与现有语音AI交互体验往往令人失望。它们将语音转换为文本，丢弃了大量文字无法承载的信息。世界上最强大的AI也无法感知你的情绪，这既不合理，也存在潜在风险。”
真实对话案例展示
Block研究团队分享了多个与Dessa交互的真实对话案例，展示了该智能体在不同情境下的声音变化和情感表达：
- 疲惫状态：当模拟对话中表示工作疲惫时，声音自然呈现出倦意
- 情感激动：在谈及令人舒适的话题时，智能体的声音充满情感波动，几乎哽咽
- 互动游戏：Block团队成员与语音助手进行猜词游戏，智能体反应迅速，推理准确
硬件要求与安全测试
消费级设备即可运行
Block官方表示，Dessa可在MacBook M4 Max或同等性能的消费者级电脑上本地运行。这意味着普通用户无需依赖云端服务器，即可体验高质量语音交互。
安全研究员招募中
目前Dessa尚未向公众开放，Block已公开招募安全研究人员参与测试。此举旨在评估语音智能体在欺骗性场景中可能带来的风险，确保技术安全可控。
商业布局与前景展望
Block的核心业务聚焦于金融服务和小微企业解决方案。其旗下产品Square目前已集成语音AI用于处理订单。借助可在设备端运行的自主语音模型，Block有望以更低成本拓展更多商业和消费级应用场景。
Ragavan Thurairatnam（Block研究负责人）在社交平台评价道：”这是语音领域的GPT-3时刻。我们相信语音是与智能体交互最自然的方式，而Dessa是目前最真实的全双工语音模型。”
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！