Block新语音模型Dessa：AI说话终于不靠文字打底，还能边听边聊

杰克·多西旗下的Block公司在2026年10月24日发布了一款叫Dessa的语音模型，它跟市面上大多数语音AI走的路完全不一样——不靠文字中转，直接用人类语音数据训练，开口就像真人。

传统语音助手的工作流程是这样的：先把你的话转成文字，理解文字，再生成文字回复，最后把文字读出来。每转一道手，语气、停顿、情绪就丢一点，听起来总有点“机器味”。Dessa跳过了这套流程，它内置的知识直接来自对话数据，不需要再去找大语言模型查资料。换句话说，它不是在“读稿子”，而是在“说话”。

这款模型最直观的突破是情感模拟。它能笑、能停顿、能哭，发音逼真到接近真人。更关键的是，它是全双工模型——你说话的时候它也在听，可以同时聆听和对话，而不是像对讲机那样你一句我一句地等。这种交互方式更接近人与人打电话的感觉。

硬件要求也没有想象中那么吓人。Dessa可以在搭载M4 Max芯片的MacBook上跑，或者用单台NVIDIA GPU机架就能高效运行。本地部署意味着数据不用上传云端，对隐私敏感的场景来说是个加分项。

Block目前没有向公众全面开放Dessa，而是先请了一批安全研究人员参与测试，评估它在不同场景下的表现。这个做法偏谨慎，但也说明Block对这款模型的定位不只是 demo。

Block本身是家做小企业解决方案的金融科技公司，旗下Square已经在尝试用语音AI处理订单。Dessa这种能在终端本地跑、交互又足够自然的模型，如果铺开来，企业接客服、接订单的成本会明显下降，用户那头听到的声音也不再是冷冰冰的念稿机器。

语音AI正在从“文字转语音”的旧范式往“原生语音交互”走。Dessa是不是那个拐点不好说，但方向已经很清楚了：未来的AI助手，可能真的不需要先学会写字，才能开口说话。