杰克·多尔西的Block打造了一款像尴尬新朋友一样与你交谈的AI模型
内容提要
Jack Dorsey旗下Block发布AI语音模型Dessa，完全基于人类对话从零训练，是真正的语音到语音模型，可在MacBook Pro M4 Max或更高配置上本地运行。演示对话自然但偶显尴尬，如误认对方名字、谈及电影时跑题。团队称开发动机是好奇心、促进人机理解与安全，因现有语音AI忽视语调情感。将先向少数AI安全研究者开放早期访问。
延伸解读
“从零训练”意味着什么
Dessa 强调完全基于人类对话从零训练，而非在文本模型上叠加语音接口。团队用婴儿学说话作类比：不依赖书面文字，只从语音中学习。这解释了它为何能保留语调与节奏，但也意味着训练难度极高——团队直言“非常难”。这种路线与主流语音 AI 先转文本再处理的方式形成对比，后者被批评会压平语音中的信息。
本地运行与早期访问的限制
Dessa 可在 MacBook Pro M4 Max 或更高配置上本地运行，这暗示模型规模相对可控，也意味着隐私敏感场景下无需云端传输。但早期访问仅向少数 AI 安全研究者开放，普通用户短期内无法直接体验。因此，目前公开的演示更多是能力展示，而非可广泛评估的产品，读者不宜据此判断其实际可用性。
“尴尬”背后的技术取舍
演示中 Dessa 误认对方名字、聊电影时跑题到其他超级英雄电影，这些尴尬瞬间恰恰说明它是在模仿人类对话的松散与跳跃，而非追求精准问答。团队将动机之一定为“促进人机理解”，这种不完美的自然感可能是刻意保留的特征。但这也带来风险：在需要准确性的场景中，过度拟人化的跑题可能降低可靠性。
安全动机与情感感知缺口
团队指出，现有语音 AI 几乎“听不见”声音中的情绪，例如用户处于疼痛中却毫无察觉，这被定义为安全问题。Dessa 试图从语音本身学习情感线索，而非依赖文本转写。这一方向若成立，对医疗、客服等场景有实际意义，但文章未提供情感识别准确性的任何数据，因此目前只能视为问题意识的表达，而非已验证的解决方案。
Q&A
Block发布的Dessa AI模型是什么？
Dessa是Jack Dorsey旗下Block发布的AI语音模型，完全基于人类对话从零训练，是真正的语音到语音模型，可在MacBook Pro M4 Max或更高配置上本地运行。
Dessa的对话表现怎么样？
演示对话自然但偶显尴尬，例如误认对方名字为“Ronaldo”，谈及电影时跑题到布莱恩·辛格的超人电影，以及听到惊喜旅行时表现出泪眼汪汪的感激。
Block为什么开发Dessa模型？
团队给出三个原因：好奇心（即乐趣）、促进人类与AI之间更好的理解、以及安全。他们指出婴儿学说话无需文字，想看看模型能否做到；语音是最自然的接口，而现有语音AI将语音扁平化为文本，无法跟上人类节奏，且对情绪几乎聋哑，存在安全隐患。
Dessa可以在什么设备上运行？
Dessa可以在MacBook Pro M4 Max或更高配置的设备上本地运行。
如何获取Dessa的早期访问权限？
Dessa团队表示将先向一小群AI安全研究者开放早期访问。
Dessa与现有语音AI的主要区别是什么？
Dessa是真正的语音到语音模型，所有知识来自人类语音，能保留语调和情感；而现有语音AI将语音扁平化为文本，无法跟上人类时机，且对情绪几乎聋哑。
