产品简介
Dessa 是 Block（Jack Dorsey 那家支付公司）内部 AI 研究实验室在 2026 年 10 月 23 日公布的语音模型。它和常见语音助手走的是两条路：别人先把你的话转成文字，理解完再合成语音说出来；Dessa 直接在声音上进出，中间没有文本那一道。
这个选择带出后面所有特性。语音转文字会丢掉大量信息：语速、停顿、笑的时机、话说一半的犹豫。Dessa 把这些留在信号里，所以它能在你还没说完的时候接话，能在你打断时停下来，也能从语气里听出情绪。全双工是架构级的差别，不是在流程里加一个打断开关。
训练方式也跟主流相反。Block 说 Dessa 是从头训的，只用人类对话录音，没有文本语料，也没拿现成语言模型当底座，语言是从听里学来的。训练用了一台 NVIDIA GB200 NVL72 机架，Block 称它需要的词量比语言模型少几百倍。推理快于实时，M4 Max 以上的 MacBook Pro 可以本地跑。
目前它没有公开 API 也没有开放权重，早期访问给一小批 AI 安全研究者，官网另开公开候补名单。
核心功能
- 声音直接进出，不经文本：输入是音频，输出也是音频，没有中间的文字环节。语气、停顿、笑声这些在转写里会丢掉的成分原样留在模型里。
- 全双工，边说边听：两个方向的音频流同时跑。打断不是需要处理的异常，是流里自然发生的事，这也是它能接话和被打断的机制来源。
- 只用对话录音训练：从零训练，语料是人类对话录音，没有文本，没有预训练底座。Block 说它学语言的方式更接近小孩听人说话，需要的词量比语言模型少几百倍。
- 单机架训练，笔记本推理：训练用单台 NVIDIA GB200 NVL72；推理快于实时，MacBook Pro M4 Max 及以上可以本地跑，不需要云端往返。
- 情绪从声音里读，不靠标签：不用在文本里标注开心或难过，笑声、哭腔、反讽的语调都在音频信号内。Block 认为这是语音 Agent 代用户做事时的一项安全前提。
- 申请制早期访问：早期访问优先给 AI 安全研究者，官网同时开公开候补。没有公开 API，也没有开放权重。
适合谁用
以下类型的用户会特别受益于 Block Dessa：
- 做实时语音助手，要求打断自然、接话不僵
- 需要在本地跑语音交互，不想把音频传云端
- 研究语音原生模型的训练路线与情绪识别
- 做陪伴类或客服类对话，语气比内容更关键
优点亮点
- 全双工在架构层实现，打断与接话不靠状态机模拟
- 声音端到端，情绪信息不在转写环节丢失
- 推理快于实时，高端笔电可以本地运行
- 训练只用对话音频，给语音原生路线提供了一个可参照的样本
价格与方案
官网提供早期访问申请通道，优先面向 AI 安全研究者，同时开放公开候补名单。目前没有公开 API、没有开放权重，也没有公布定价。本地推理需要 MacBook Pro M4 Max 或以上配置。
总结与建议
Dessa 值得关注的地方不是它现在能不能用，而是它选了另一条训练路线。主流语音助手是转写、理解、合成三段拼起来，Dessa 把中间那段删了，直接从声音学语言。这条路走通，语音交互的延迟和情绪感知会一起变。
它现在还是研究产物：申请制、没有 API、没有权重，官网演示是 Block 自己挑的录音。真要评估，等权重或公开接口出来再看实际表现。对做语音 Agent 的团队，现在值得做的是盯住它的全双工实现细节，那是这套架构里最难的部分。
版本演进
- Block 公布 Dessa，纯语音训练的全双工模型 （2026-10-23）：Block 内部实验室公布 Dessa，全双工语音进出模型，训练只用人类对话录音，不设文本环节与预训练底座，单台 NVIDIA GB200 NVL72 完成训练。推理快于实时，可在 MacBook Pro M4 Max 及以上本地运行。早期访问向 AI 安全研究者开放，官网同时开公开候补名单，未公布权重、API 与定价。