模型發布
Block 發表純音訊訓練語音模型 Dessa:支援全雙工對話且可於 M4 Max 本機執行
科技新報 AI單一來源
尚未逐項核實
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

Block 旗下研究團隊發表全雙工語音模型 Dessa,據稱完全捨棄文字資料與既有文字預訓練模型,完全依賴人類對話音訊從零開始訓練。該模型採用語音對語音(speech-to-speech)架構,具備邊聽邊說的互動能力,可掌握插話與停頓節奏,並能辨識對話者的遲疑、聲音裂痕與諷刺語氣,甚至能於互動中發出笑聲或倒抽一口氣。
在運算與硬體需求方面,Block 表示 Dessa 僅使用單組 NVIDIA GB200 NVL72 系統完成訓練;推論端則支援消費級 GPU 與搭載 M4 Max 或更高規格晶片的 MacBook Pro 進行本機執行。目前 Dessa 仍處於研究預覽階段,尚未作為商用產品推出,早期存取權限僅開放少數 AI 安全研究人員申請。
讀原始報導背景
全雙工(full-duplex)多模態大型語言模型為語音理解與生成任務提供了整合架構,能促成更自然且流暢的人機對話。相較於傳統語音 AI 多半需先轉譯為文字再生成回應、容易流失情緒與時序資訊,語音對語音(speech-to-speech)架構則致力於直接處理語音互動,以改善即時溝通體驗。