Block推出仅使用人类语音训练的Dessa AI模型

XYZ+2.81%

关键要点

  • Block 于 2026 年 10 月 23 日推出 Dessa,这是一款语音转语音 AI 模型,仅使用人类对话音频进行训练,不包含基于文本的数据。
  • 根据 Block 的资料,Dessa 以全双工模式运行,能够处理对话中的实时打断、停顿和情绪语调。
  • Dessa 仍处于早期访问阶段,仅限 AI 安全研究人员使用;Block 正在评估其影响和风险,然后再向更广泛的公众开放。

Block 于 2026 年 10 月 23 日推出 Dessa,这是一款语音到语音 AI 模型,仅使用人类对话音频训练,不含任何基于文本的数据。该模型由 Block 内部 AI 研究实验室开发,该实验室由 Ragavan Thurairatnam 领导。模型以全双工模式运行,可处理实时打断、停顿和情绪语调。Block 有意排除基于文本的预训练,以探索其所称的语音原生智能,模仿人类通过聆听而非阅读来学习语言的方式。此次发布代表着一项技术路线上的转变,与通常会采用书籍、网页和书面文本的标准 AI 训练方法不同。公告发布后,Block 创始人 Jack Dorsey 在社交媒体上公开肯定了团队的进展。

Block 推出仅用音频训练的全双工语音模型

Block 于 2026 年 10 月 23 日通过 block.xyz/dessa 页面和 X 上的帖子推出 Dessa。该公司的内部 AI 研究实验室在 Ragavan Thurairatnam 的领导下开发了这一模型。他是最初的 Dessa AI 初创公司的联合创始人,Block 于 2020 年收购了该公司。被收购公司的几名成员如今在当前的实验室任职。 该模型处理音频输入并生成音频输出,全程不会将语音转换成文本。其全双工运行模式允许同时聆听和说话,使系统能够在用户打断、停顿或在对话中途改变情绪语调时作出反应。Block 的材料称,该模型能够处理来回对话的节奏和情绪层面,而不仅仅是词语内容。 Block 的无文本训练方法在模型开发过程中排除了所有书面材料,包括书籍、网页和文本数据集。该公司将此称为一次对语音原生智能的探索,旨在让模型通过听觉输入学习语言,而不是先阅读文本、再学习发音。

Dessa 演示展现自然对话,偶尔出现错误

Thurairatnam 在社交媒体上分享了 Dessa 与真实用户的对话示例。演示展现了大多自然的对话流程,也体现出对对话时机的逼真处理。在一段广泛传播的对话中,模型在交谈开始时错误地称呼用户为“Ronaldo”,但说话者并不叫 Ronaldo。 演示材料还包括互动游戏场景,旨在测试其时机把握和轮流对话能力,而不仅限于脚本化的问答形式。早期观察者的反应不一,有人称 Dessa 可能是语音 AI 领域的一项突破,也有人指出一些尴尬时刻打断了对话体验。

Block 将早期访问权限限制为 AI 安全研究人员

Dessa 目前仍处于早期访问阶段,访问权限仅限 AI 安全研究人员。Block 表示,其目标是在更广泛发布之前研究该模型的影响和风险。该公司指出,听起来非常像真人、且会对情绪线索作出反应的语音模型存在特有的隐忧,并称这类模型引发了关于冒充和信任的问题,而基于文本的聊天机器人并不存在这些问题。 Block 决定在更广泛部署前与安全领域交流,反映出仅使用语音数据训练这一做法的新颖性。该公司表示,希望在模型向公众开放之前,由外部机构评估仅使用语音训练的模型会如何表现。

Block 将 AI 投资拓展至支付产品之外

在推出 Dessa 之前,Block 曾开发过一款代号为“goose”的开源 AI Agent。该语音模型将 Block 的 AI 投资拓展到对话界面,而非任务自动化。Block 主要以支付产品闻名,并将 Dessa 定位为探索用户如何通过自然语音与 AI 系统互动,而不是探索 AI Agent 代表用户执行什么任务。

常见问题

Block 于 2026 年 10 月 23 日推出了什么? Block 推出了 Dessa,这是一款仅使用人类对话音频训练、完全不含基于文本训练数据的语音到语音 AI 模型。该模型以全双工模式运行,可处理实时对话动态,包括打断和情绪语调。 Block 为什么只用语音音频训练 Dessa? Block 有意排除基于文本的预训练,以探索语音原生智能,旨在了解模型如何仅通过听觉输入学习语言,类似于人类通过聆听而非先阅读来习得语言。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论