傑克·多西旗下公司Block的研究實驗室發布了一款新的語音模型，該模型可在本地運行，發出的聲音帶有笑聲、停頓和哭泣等表達方式，聽起來異常接近真人。該公司表示，這款名為Dessa的模型完全基於人類語音數據訓練而成，且只需一塊英偉達GPU即可運行。
Dessa是一款全雙工模型
，這意味著它可以同時進行說話和傾聽，這一點與OpenAI今年早些時候發布的GPT-Live模型類似。通常，語音模型需要搭配大語言模型來實現知識檢索，而Block表示，Dessa的知識來源於其自身積累的對話數據。
Block指出，目前的語音模型往往聽起來不自然且令人厭煩，原因在於這些模型在處理流程中依賴文本來驅動語音生成。許多模型，比如ElevenLabs v4或Fish Audio Drama 3，都使用語音標籤來驅動語音生成中的情感表達。而多西的公司則聲稱，情感已經被內置於其模型之中，不過目前尚不清楚這種情感表達是否仍由某種標籤驅動。
該公司在一篇部落格文章中寫道："與現有語音AI交互的體驗可能相當糟糕。它把你的聲音轉換成文本，卻丟棄了大量文本本身無法承載的資訊。目前世界上最強大的AI都無法聽出你的情緒狀態。我們認為這十分不合理，不僅會導致更差的使用體驗，還可能存在潛在風險。"
該公司的研究人員發布了多個與Dessa對話的示例，展示了該智能體在不同場景下呈現出的不同聲音、語速和情感狀態。例如，在一段對話中，機器人表示自己因為工作而感到疲憊，此時它的聲音聽起來確實帶有倦意。
在下面的示例中，機器人在談到讓某人感到安心的話題時，聲音顯得十分動情，幾乎要哽咽。
另一個示例展示了Block團隊成員與語音助手進行遊戲互動的場景。
該公司表示，這款模型可以在消費級電腦上本地運行，例如配備M4 Max晶片或更高配置的MacBook。不過，目前公眾還無法訪問Dessa，Block已經發出呼籲，希望安全研究人員對該模型進行測試，這很可能是為了測試語音智能體是否可能在對話中欺騙交流對象的情況。
Block的主營業務是金融服務，並向小型企業出售相關解決方案。旗下的Square已經在使用語音AI來處理訂單業務。而憑藉這款可在設備端運行的自研語音模型，該公司有望以更低的成本為更多商業和消費場景提供支持。
