Block发布语音模型Dessa：跳过文字中转，原生全双工语音交互

2026年10月23日，由JackDorsey主导的Block公司对外发布全新语音模型Dessa，这款模型一经亮相便引发行业热议。和市面上绝大多数语音AI不同，Dessa打破“语音转文字-大模型理解-文字转语音”的文字中转桎梏，采用纯语音训练、端到端语音输入输出架构，实现更贴近真人通话的全双工实时对话体验。

一、摒弃文字中转，重构语音交互链路

当前主流语音助手普遍依赖ASR识别转文本，交给大模型处理后，再通过TTS合成语音。这套流程会丢失大量语音原生信息：语调、停顿、叹气、笑声、语气重音等情绪线索，最终对话生硬、机械，很难自然插话。

Dessa的核心创新，就是全程不走文字通道。模型从底层直接以音频作为输入与输出，从零开始仅依靠人类对话语音数据训练，没有文本标注、没有借用预训练大模型。语音里的情绪、节奏、微妙语气全部被模型捕捉，保留口语交流里丰富的非语言信息。

二、原生全双工，支持同步聆听与插话

全双工能力是Dessa另一大亮点。传统语音交互大多是对讲机式一问一答，AI说完才会重新收听；而Dessa可以一边发声、一边持续监听用户声音。

在对话过程中，它能够自主判断时机，适时插入“嗯、对、明白”这类附和反馈，也允许用户随时打断，模型同样可以在合适节点自然插话，还原现实聊天的交替节奏。演示片段里，模型可自主带出笑声、迟疑停顿、情绪起伏，摆脱脚本化配音的违和感。

据Block介绍，模型能够在M4Max及以上MacBook本地离线运行，音频无需上传云端，有效降低网络延迟与隐私泄露风险。

三、轻量化训练与落地定位

Dessa的训练规模同样具备看点，整套训练任务仅依托单台NVIDIAGB200NVL72机柜完成，对比巨型LLM算力需求大幅降低。官方暂未公布参数量、正式基准评测分数，当前仅作为研究预览版本放出，优先开放给AI安全研究人员测试，暂不面向普通用户开放公测。

团队表示，研究重点之一是评估这类高仿真语音模型的安全风险，防范语音欺骗、深度伪造等滥用场景，在落地前完善风险约束机制。

四、行业价值：语音AI走向原生对话时代

长期以来，语音都被视作LLM的附属交互外壳，而Dessa代表另一条技术路线：以语音为原生载体构建对话智能。它证明不依托文字，AI也能学习语言逻辑与社交对话习惯。

当然该路线同样存在短板：纯语音训练在长文本逻辑、专业知识沉淀上，相比文本大模型仍有差距。未来，原生语音模型和文本大模型更可能形成互补。

随着Dessa这类方案出现，人机语音交互不再追求“像机器读稿”，而是向着真实通话感靠拢，在智能客服、语音智能体、可穿戴设备等端侧场景具备巨大想象空间。