Block 发布 Dessa：全双工语音模型完全用人声训练，对话节奏更接近真人

事件核心：发生了什么

Block 于 2026 年 10 月 24 日前后公布 Dessa，并称其为“全球首个全双工语音模型”。全双工指模型能在用户说话时同步聆听并开口回应，而不是等对方说完再走“语音转文字—大模型推理—文字转语音”的串行流程。官方强调 Dessa 的训练数据全部来自人类语音，目标是让对话节奏、停顿、插话和语气更接近真人交流。

Mashable 引用的演示音频中，Dessa 与真人围绕导演克里斯托弗·诺兰的作品展开多轮对话，能自然补充片名并接住对方语气；面对“你期待我们的纪念日吗”这类突然提问，回应包含惊讶、兴奋和短暂找不到词等口语特征。另有一段 ChatGPT 与 Dessa 的对话，被用来对比两者在打断、追问和语音自然度上的差异。

为什么重要

当前主流语音 AI 多依赖“语音识别+大模型+语音合成”的级联架构，延迟较高，也容易丢失语调、情绪和重叠说话的信息。Dessa 若按官方描述实现端到端全双工，意味着语音交互从“命令—响应”转向更接近真人对话的连续交流，对客服、陪伴、车载和可穿戴设备等场景都有潜在价值。

Block 在新闻稿中给出的动机也指向安全：语音 AI 若无法识别疼痛、恐惧或急迫语气，可能在关键时刻继续机械回应。不过目前公开信息显示，Dessa 仍处于展示阶段，演示音频不等于第三方可复现的评测结果，其识别语气与真正“理解情绪”之间仍有距离。

对用户/开发者/创作者的影响

对普通用户，最直接的变化是语音助手可能更少出现“等你说完才反应”的僵硬感，插话、追问和语气变化有望被接住。对开发者，全双工模型会改变语音应用的架构设计：延迟预算、打断逻辑、上下文管理和情绪信号处理都需要重新考虑。对创作者和客服团队，更自然的语音生成与实时对话能力，可能降低制作交互式音频内容的门槛，但也对内容标注、隐私和滥用防范提出更高要求。

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。

了解 GamsGo AI

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。

需要说明的是，Dessa 是否开放 API、定价如何、支持哪些语言，目前公开信息尚未明确。若仅以演示音频判断其能力边界，容易高估实际产品成熟度。

值得关注的后续

一是 Block 是否公布可复现的技术细节或第三方评测，尤其是全双工延迟、打断准确率和情绪识别指标；二是 Dessa 是否以 API 或产品形式落地，以及是否支持多语言和嘈杂环境；三是 OpenAI、Google 等竞品在实时语音模型上的跟进节奏，以及监管对语音情绪识别和通话录音的合规要求。

来源：Mashable