Block做了个只学人声的语音模型，一台MacBook就能跑

10月23日，Block的研究团队放出了一个叫Dessa的语音模型，同时上线了一批对话样例。杰克·多尔西是这家公司的创始人，它旗下还有面向小微商户的支付业务Square。这次发布没有论文、没有基准测试分数，也没有对外开放的接口，只有几段录音和一个等待名单。

Dessa的做法和主流语音助手不一样。现在常见的链路是先把人声转成文字，交给语言模型处理，再把文字合成回语音，情绪、停顿、语气这些信息在第一步就被丢掉了。Dessa直接从音频学到音频，全程不经过文字，团队说它连语言也是从声音里学来的。

它是全双工的，一边说话一边听。演示里它会在句子中间笑出来，会在对方说话时低声应一句，被要求大声一点时音量跟着抬高。研发负责人Ragavan Thurairatnam在社交平台上把它称作语音领域的“GPT-3时刻”。这是他的说法，不是可以复核的结果，官方也没有公布任何测试结果。

训练规模公布得很节省。整个模型在一组英伟达GB200NVL72机架上训练完成，按前沿实验室的标准算小的，Block自己把“小”写进了发布说明里。训练数据只有人类对话录音，没有文本语料，也没有加载预训练权重。参数量、训练时长、数据小时数，官方一项都没有披露。

运行门槛写在说明里，M4Max及以上配置的MacBook就能本地跑，推理速度快于实时。商户不必按分钟付调用费，录音也不用离开自己那台机器。Block旗下Square已经在用语音AI接餐厅订单，一个能装在本地、不按分钟计费的模型，能改掉这块业务的成本结构。

眼下还拿不到。Dessa没有开放试用，权重、代码和许可证都没放出来，排队的是安全研究者，Block想让他们重点测这类语音智能体冒充真人的风险场景。它还有个明显的天花板：知道的全部来自对话，不能联网、不能调用工具、也读不了文档。按现在的状态，它是一个声音，还不是一个助手。