只听人声、不看文字长大的语音模型：Block 的 Dessa 想让 AI 说话先学会“像人”

Block（Jack Dorsey 的公司）10 月 24 日发布了 Dessa，一个全双工语音模型，卖点很特别：训练只用人声，不用文字转录。公司说法是，它能自己决定说什么、什么时候接话、用什么语气，甚至会在笑话处中途笑出来、被要求就调音量——这些行为不是逐项教出来的，而是从声音本身学来的。Block 还说，只给一小批 AI 安全研究者先行体验，找它没预料到的风险。

为什么值得看：现在主流语音助手大多是“语音转文字→大模型→文字转语音”的拼接，Dessa 赌的是另一条路——声音里的停顿、语气、抢话本身就是信息。赌赢了，对话会更像真人；赌输了，就是一只更会“演”的模型，幻觉和操纵风险也跟着变大。

对做语音产品的人，Dessa 的意义不在今天能不能用（还没开放），而在于它验证了一个问题：下一代语音交互到底该不该绕开文字。先别急着站队，等安全研究者的反馈比等营销话术有用。

可信度：公司发布口径经 ANI 通稿转述；“最像真人”为公司说法，尚未独立验证。