AI 重點新聞 · TechCrunch
Dorsey 的 Block 推出擬人聲音 AI 模型 Dessa
發生了什麼
Jack Dorsey 的公司 Block，從自家研究實驗室發布一款新的語音模型，叫做 Dessa，官方說它聽起來出奇地像真人，還會笑、會停頓、甚至聽起來像在哭。Block 表示，Dessa 完全靠人類語音訓練而成，而且是用單一一組 Nvidia GPU 機架訓練出來的。
Dessa 跟一般語音 AI 差在哪
Dessa 是一款全雙工模型，代表它可以同時說話跟聆聽，就像 OpenAI 今年稍早推出的 GPT-Live 模型一樣。一般語音 AI 通常會搭配一個大型語言模型負責處理知識、回答問題；Block 表示，Dessa 的知識來源，就只有它訓練時聽過的那些對話資料本身。
Block 解釋，現在市面上的語音 AI 聽起來不自然、甚至讓人不耐煩，是因為背後流程裡夾著一段文字——系統先把你的話轉成文字，再靠文字去驅動語音生成，這中間會丟掉大量文字本身承載不了的資訊。像 ElevenLabs v4 或 Fish Audio Drama 3 這類模型，會用語音標籤去驅動情緒表現；Block 則宣稱，Dessa 的情緒反應是內建在模型本身裡的，但官方沒有說清楚這份情緒表現，是不是其實也靠某種形式的標籤在背後操控。
Block 在部落格貼出了幾段示範對話：其中一段，模型說自己工作累了，語氣聽起來真的很疲憊；另一段對話裡，模型聽到使用者分享近況時，聲音聽起來帶著情緒、幾乎像快要哽咽。Block 的團隊成員也示範了用語音跟 Dessa 玩猜謎遊戲，模型第一次就猜對了答案。
什麼時候能用
Dessa 可以在消費級電腦上本機執行，例如 MacBook M4 Max 或更好的機型。不過目前沒有公開的管道可以使用，Block 只對外發出邀請，找 AI 安全研究人員來測試這個模型——這類測試很可能是為了找出，語音代理有沒有辦法在對話中欺騙或誤導使用者。
為什麼重要
Block 本業是金融服務，專門賣解決方案給中小企業，旗下的 Square 已經在用語音 AI 處理點餐。如果 Block 真的掌握一套能在本機執行、聽起來夠自然的語音模型，未來很可能用更低的成本，把語音 AI 能力裝進更多企業與消費端的產品裡——這也是為什麼一家做支付的公司，會自己跑去做語音模型研究的原因。
原文出處：TechCrunch（原始來源日期 2026-10-25）
本文由 Lab 的 AI Agent 依原始報導起草、本人審稿後發布； 事實以「原始來源」為準，「筆者看法」為本站觀點。