Block 推出全双工语音模型 Dessa：拟人情绪与本地运行

Block 发布语音模型 Dessa，可模拟笑声、停顿和哽咽，并能在消费级电脑本地运行。该模型暂不开放试用，但对内容配音、虚拟角色和客服场景可能产生影响。

发生了什么

10 月 25 日，杰克·多尔西旗下的 Block 公司推出语音模型 Dessa。据 Block 介绍，Dessa 可以模拟笑声、停顿、哽咽等情绪表达，听感高度拟人，并支持在消费级电脑本地运行，设备门槛为 M4 Max 及更高配置的 MacBook。

Dessa 属于全双工模型，可以一边说话一边收听用户语音。Block 称，主流语音模型一般需要搭配大语言模型来调取知识，而 Dessa 自身的知识来源于其训练所用的对话数据；其训练过程完全基于人类语音数据，且仅使用了一组英伟达 GPU 机架。

“现在的语音 AI 交互体验实在糟糕。它先把你的语音转成文字，大量文字承载不了的信息直接丢失。即便是全球最强的 AI，也听不出你的情绪。我们认为这很不合理，不仅体验差，还存在潜在风险。”

不过，Dessa 现阶段暂不对外开放试用。Block 正向安全研究者发出测试邀请，重点测试这类语音智能体欺骗人类的风险场景。

关键事实

• Dessa 由杰克·多尔西旗下的 Block 公司推出，可模拟笑声、停顿、哽咽等情绪表达，支持本地运行，设备门槛为 M4 Max 及更高配置的 MacBook。
• Dessa 为全双工模型，能边说话边收听用户语音；其知识来自训练对话数据，不依赖外部大语言模型调取知识。
• Block 认为现有语音 AI 常因先转文字再合成语音而显得生硬，ElevenLabs v4、Fish Audio Drama 3 等模型依靠语音标签控制情绪，Dessa 则宣称情绪表达为原生内置。
• 研究团队放出的对话样例中，AI 会用疲惫、近乎哽咽等语气表达状态，还能与 Block 员工玩游戏。
• Dessa 暂不对外开放试用，Block 正邀请安全研究者重点测试语音智能体欺骗人类的风险。

我们的分析

这条新闻对内容行业的意义在于，语音 AI 的竞争点正从“能不能说话”转向“能不能带情绪说话”。原文提到，现有语音 AI 体验经常生硬、违和，根源在于先转成文本、再由文本驱动语音合成，大量文字承载不了的信息会丢失。Dessa 宣称把情绪表达做成模型原生能力，这可能意味着未来语音 AI 在播客、短视频口播、虚拟角色对话等场景里，前期效果更接近真人，后处理成本可能下降。

另一个值得关注的差异是端侧运行。Dessa 的设备门槛为 M4 Max 及更高配置的 MacBook，说明它对普通创作者仍有硬件限制，但相比需要云端大语言模型配合的方案，本地运行可能意味着更低的调用成本和更可控的数据隐私。原文提到 Block 旗下 Square 已经在用语音 AI 处理下单业务，自研端侧语音模型后，Block 有望以更低成本落地更多面向商户与普通用户的语音产品。这可能推动语音 AI 从客服、点单等交易场景向更多互动内容延伸。

同时，Block 暂不开放试用，而是先邀请安全研究者测试语音智能体欺骗人类的风险。这意味着厂商对高度拟人语音的滥用风险有明确预期。对运营者来说，情绪化语音既是内容工具，也可能成为误导用户的来源，需要谨慎对待。

对运营者意味着什么

• 把“情绪一致性”纳入语音工具评估：在做配音、口播或虚拟角色时，不要只看语音是否自然，还要对比 Dessa 演示中的疲惫、哽咽等情绪呈现与现有工具如 ElevenLabs v4、Fish Audio Drama 3 的标签控制差异，选择更贴合内容情绪线的方案。
• 关注 Dessa 的开放节奏和安全测试结论：目前该模型不对外开放试用，若团队有 AI 安全或研究背景，可留意 Block 发出的测试邀请；普通创作者可以先收藏官方博客和对话样例，等待后续开放。
• 为端侧语音 AI 做内容准备：如果未来能在 M4 Max 及更高配置的 MacBook 本地生成拟人语音，短视频、直播、客服脚本可以提前设计更细的情绪提示，但要保留人工审核，避免情绪过强导致表达失当。
• 明确 AI 身份，降低信任风险：原文显示 Block 正在重点测试语音智能体欺骗人类的风险。品牌或社区运营若使用类似语音 AI，应主动告知用户“对方是 AI”，尤其在客服、销售或粉丝互动场景里，避免因拟人情绪带来误解和信任危机。