Block 發表語音模型 Dessa，稱僅以人類語音訓練

發生什麼事

Block（Jack Dorsey 旗下的支付公司）發表名為 Dessa 的 AI 模型，稱它是「from scratch on nothing but human conversation」訓練而成。Dorsey 在 X（社群平台）上的貼文標示日期為 2026 年 10 月 23 日。 The Verge AI 動區動趨 BlockTempo

Dessa 團隊在官網稱它是「true speech-to-speech model」（語音輸入、語音輸出的模型），並說「everything it knows came from human speech」，可在 MacBook Pro M4 Max（Apple 的筆電，搭載 M4 Max 晶片）「or better」本地執行。 The Verge AI

BlockTempo 報導，與先把語音轉成文字、再生成語音回覆的系統不同，Dessa 直接處理音訊，能在對話中邊說邊聽，處理中斷、笑聲和語調變化。Block 說模型是用單臺 Nvidia GB200 NVL72（Nvidia 的運算系統）從零訓練。 動區動趨 BlockTempo

The Verge 提到，Dessa 負責人 Ragavan Thurairatnam 分享了一段對話，來回大致自然，但模型一開始把說話者誤認為名叫「Ronaldo」的人。官網另有談 Christopher Nolan 電影、巴黎驚喜旅行的範例，以及 OpenAI 的 GPT-Live-1（OpenAI 的語音模型）與 Dessa 對話的範例；The Verge 形容後者中 Dessa 聽起來更自然。 The Verge AI

BlockTempo 提到，演示中 Dessa 在句子中間笑出聲，另一段對驚喜做出看似真實的情緒反應。Block 表示這些對話是即時錄製的，沒有人指導模型回應。 動區動趨 BlockTempo

Dessa 團隊列出三個原因：「curiosity (aka fun), better understanding between humans and AI, and safety」。團隊在官網稱，今日的語音 AI 把人說的話壓平成文字，跟不上人類的節奏，而且對聲音裡的情緒近乎聽不見；Dessa 是朝解決這個安全問題邁出的一步。 The Verge AI

誰受影響

兩個來源都提到，Dessa 的早期存取只提供給一小群 AI 安全研究者。BlockTempo 寫道，Block 表示這些研究者會評估公司可能忽略的風險。 The Verge AI 動區動趨 BlockTempo

限制與未定事項

BlockTempo 指出，Dessa 目前仍屬研究預覽，不是公開產品；Block 未披露模型大小、benchmark（基準測試）成績或發布日期，音訊樣本是公司演示而非獨立測試。 動區動趨 BlockTempo

各方說法

BlockTempo 引述 X 使用者 Alexander Hoff 表示從未「聽過任何人工製作的東西聽起來這麼…像人」，Hesamation 形容為「純粹的科幻作品」。Binance（加密貨幣交易平台）創辦人 CZ 表示，Dessa 對他的教育專案 GiggleAcademy 可能非常有幫助，因為「用目前的 AI 聲音教小孩一直是個挑戰」。 動區動趨 BlockTempo

也有人提出疑慮。導演 Justine Bateman 質疑：「為什麼 AI 的聲音需要聽起來像人？這樣你可以騙人放下戒心。」記者 Shiv Aroor 說：「詐騙電話即將達到大流行規模。」 原文

兩家媒體對演示的描述不同：The Verge 形容 Block 分享的對話「偶爾有點尷尬、不自然」（原文為 occasionally be a little awkward and uncanny），BlockTempo 則寫官方演示展現「極其接近人類的對話能力」。 The Verge AI 動區動趨 BlockTempo

BlockTempo 稱 Block 在週六發布 Dessa（來源未給確切日期）。 原文

接下來要看的事

• Dessa 團隊表示將提供一小群 AI 安全研究者早期存取，後續看這批研究者的評估結果。
• BlockTempo 指出 Block 未披露模型大小、benchmark 成績與發布日期，後續看這些資訊是否公布。
• BlockTempo 提到研究者會評估 Block 可能忽略的風險，後續看公司如何回應。