Block的新AI模型Dessa完全基于人类语音训练，能捕捉基于文本的模型所遗漏的情绪

Square和Cash App背后的公司Block发布了一款名为Dessa的AI语音模型。

Block表示，Dessa是首个完全基于人类语音训练、完全不含文本数据、从零构建的AI模型。Dessa不是先将音频转换为文本，而是直接以音频形式处理语音。这使它能够实时捕捉情绪、讽刺、笑声和停顿。

该模型支持全双工通信，因此可以同时聆听和说话。它可在MacBook Pro M4 Max上本地运行，并在一台NVIDIA GB200 NVL72上完成训练。Block表示，构建Dessa的动机是好奇心、对更佳人机沟通的渴望以及安全方面的担忧，因为当前的语音AI会忽略情绪线索。Dessa尚未公开发布。团队首先在寻找AI安全研究人员来测试该模型是否存在意外风险。任何有兴趣的人都可以 通过表格报名.

此前在情绪化语音AI方面的尝试均未成功

多个团队曾尝试构建听起来情绪丰富的语音AI。2024年3月，初创公司 Hume AI推出了EVI（Empathic Voice Interface），一款具有“情绪智能”的语音AI。Kyutai于2024年9月推出了 Moshi。LAION的 Open Empathic项目 自2023年底以来一直在使用开源音频数据集训练共情语音合成模型。OpenAI于2025年6月 2025年6月全面改进了ChatGPT的“高级语音模式” 并此后持续进行优化，加入了更好的语调、停顿以及更真实的共情和讽刺表达。广告

但听起来有情绪并不等于真的有情绪或智能，即使它营造出那种印象。对于先进的语音AI而言， 在回应的同时进行推理 等能力比语音听起来多么自然更重要，因为它们才真正影响回答的质量。