一句话看懂：Square 与 Cash App 母公司 Block 公开语音模型 Dessa，宣称完全用人类语音、不借助文本数据从零训练，能直接处理音频并捕捉情绪、讽刺和停顿。它尚未上线，先开放给 AI 安全研究者测试。
事件核心：发生了什么
2026 年 10 月，Block 公布名为 Dessa 的 AI 语音模型。该公司称，Dessa 是首个完全基于人类语音训练、不含任何文本数据的模型，且为从零构建。与常见方案先把语音转成文字再处理不同，Dessa 将语音直接作为音频输入，从而在实时交互中识别情绪、讽刺、笑声和停顿等线索。
据 Block 介绍，Dessa 支持全双工通信，可以一边听一边说；它能在单台 MacBook Pro M4 Max 上本地运行，训练则使用了一台 NVIDIA GB200 NVL72。目前模型不对外公开，团队优先招募 AI 安全研究者评估潜在风险，感兴趣者可通过表单报名。
为什么重要
现有语音 AI 多依赖“语音转文本再生成语音”的链路，文本模型难以保留语气和情绪信息。Dessa 的技术路线是让模型直接建模音频，试图绕开这一信息损失。不过，目前公开信息显示，这仍是公司自述，尚无第三方复现或完整评测。
行业里已有 Hume AI 的 EVI、Kyutai 的 Moshi、LAION 的 Open Empathic 项目，以及 OpenAI 持续升级的 ChatGPT 高级语音模式。它们多侧重“听起来有情绪”，而 Dessa 强调直接捕捉情绪。这一方向是否成立，还要看安全测试和实际交互表现。对 Block 而言，这也是在支付与金融产品之外积累语音交互能力的一步。
对用户/开发者/创作者的影响
普通用户短期内无法直接使用 Dessa，但未来若落地，语音助手可能更准确地识别用户情绪与停顿，减少答非所问。开发者值得关注的是它能否在本地设备上运行——Block 称其可在 MacBook Pro M4 Max 上本地推理，这意味着端侧语音 AI 应用的门槛可能降低，但 API、定价和授权方式目前均未公布。创作者则需留意：情绪识别能力增强后，语音内容的真实感与滥用风险会同时上升，安全评估结果将直接影响其可用边界。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Dessa 的安全测试是否公开结果，以及是否会因此调整能力边界；二是模型是否开放 API 或本地部署，价格与授权方式如何；三是竞品是否跟进“纯语音训练”路线，以及本地推理的实测效果能否支撑 Block 的说法。
