發生什麼事
Block 旗下 AI 研究團隊 10 月 23 日發表語音對語音(輸入聲音、輸出聲音,不先轉成文字)模型 Dessa。根據 Block 官方頁面,Dessa 是全雙工(能同時聽與說)模型,只用人類對話的聲音從頭訓練,沒有使用文字,也沒有使用預訓練模型(先由他人訓練好、再拿來延伸的模型)。 INSIDE TechNews 科技新報
Block 指出,現行語音 AI 多半先把語音轉成文字再交給模型處理,語氣、情緒與停頓等資訊因此流失。官方稱 Dessa 能辨識並表達情緒、諷刺、笑聲與嘆氣,會判斷何時插話,並以 yeah、got it 這類短句表示正在聽。 INSIDE TechNews 科技新報
Block 表示,Dessa 只用 1 組 NVIDIA GB200 NVL72(NVIDIA 的機架級運算系統)訓練,推論(模型產生輸出的運算)速度快於即時,在 MacBook Pro M4 Max(Apple 的筆電搭配其晶片)以上的機型可本機執行。 INSIDE TechNews 科技新報
官方還提到,Dessa 學習語言所需的字數比大型語言模型(以大量文字訓練的模型)少數百倍,而同一個字以聲音記錄所需的資料量,比文字高出上千倍。 INSIDE
官方頁面放了多段與真人對話的示範錄音,字幕為事後加上,其中一段是 Dessa 與 OpenAI 的 GPT-Live-1 對話。Block 註明,GPT-Live-1 的開發者與 Block 無關,也未審閱或背書 Dessa。 原文
誰受影響
Dessa 目前只開放候補名單,並提供一小群 AI 安全研究員搶先試用,請他們找出團隊未預期的風險。官方頁面稱這支團隊是 Block 內部的小型研究實驗室,負責人是 Ragavan Thurairatnam,直接向 Block 共同創辦人兼董事長 Jack Dorsey 報告。 INSIDE TechNews 科技新報
限制與未定事項
Dessa 目前沒有公布 API(讓程式呼叫服務的介面)、價格或正式上線日期。TechNews 科技新報指出它仍處於「研究預覽」階段,尚未成為正式商用產品。INSIDE 指出,官方頁面沒有提供基準測試(以固定題目比較表現的測試),也未公布訓練方法的細節。官方頁面另寫明「Launch links are coming soon」。 INSIDE TechNews 科技新報
各方說法
Block 自稱,據其所知 Dessa 是第一個僅靠人類語音訓練、可進行即時對話的 AI。INSIDE 指出,目前尚無獨立評測可供驗證,這項說法仍待外界檢驗;INSIDE 也提到 OpenAI 的 GPT-Live 同樣採全雙工架構,與 Dessa 的差別在訓練路線,官方主打完全不依賴文字。 INSIDE
接下來要看的事
- 官方頁面寫明「Launch links are coming soon」,上線連結後續是否公布



