一句话看懂：Block 发布名为 Dessa 的语音模型，宣称“真正的语音到语音”，训练数据全部来自人类对话，并能在 MacBook Pro M4 Max 及更高配置上本地推理。若属实，它把低延迟语音交互和端侧算力两个方向结合到了一起。
事件核心：发生了什么
2026 年 10 月 24 日，据 The Verge 记者 Jay Peters 报道，支付与金融科技公司 Block 公布了一款语音模型 Dessa。官方表述有两个关键点：一是“true speech-to-speech”，即输入语音、输出语音，而非先转文本再合成；二是训练素材“nothing but human conversation”，强调没有混入非对话数据。硬件方面，Block 称其可在 MacBook Pro M4 Max 或更高配置的机器上本地运行。
需要说明的是，目前公开信息主要来自 Block 的对外说法，尚未看到完整的基准测试、模型参数量、许可方式和正式开放下载的细节。因此现阶段应把它视为一次产品发布，而不是已经经过广泛验证的行业结论。
为什么重要
语音到语音模型的价值在于减少“语音转文字、大模型处理、文字转语音”的串联损耗，理论上能保留语气、停顿和情绪信息，响应延迟也更可控。纯对话数据训练则是一条有争议的路线：好处是更贴近真实交流场景，代价是可能缺少朗读、多语种、指令控制等能力，实际表现要等第三方测试。
更值得关注的是本地运行。语音交互长期依赖云端推理，算力和隐私成本都不低；如果能在一台高端笔记本上跑起来，端侧 AI 应用的形态会更多，比如离线语音助手、私密客服工具。但“M4 Max 或更好”也意味着它暂时不是普通用户随手可用的轻量模型。
对用户/开发者/创作者的影响
对开发者而言，关键看 Block 是否开放 API 或模型权重。若走闭源路线，可能只服务于 Block 自家产品；若开源或提供 SDK，围绕低延迟语音交互的应用会更快出现。创作者可以关注它在播客剪辑、实时配音和对话式内容上的可用性，但在官方演示之外，不要提前假设它已经具备多语言、音色克隆等能力。
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。
对企业采购来说，端侧语音模型的吸引力在于数据不出本机，适合隐私敏感的客服和会议场景；不过目前公开信息显示，硬件门槛和模型体积仍可能限制大规模部署。
值得关注的后续
第一，Dessa 是否真正开放，以及以 API、模型权重还是仅限演示的形式提供；第二，第三方在延迟、对话自然度和噪声环境下的实测结果，是否支撑“true speech-to-speech”的说法；第三，竞品是否跟进“纯对话数据加端侧推理”这条路线，以及 Block 会不会把它接入自家支付和商户产品。
来源：Techmeme
