|
Block旗下Dessa研究团队近日介绍Dessa，一款全双工语音到语音模型：输入和输出都是音频，目标是在说话的同时聆听，并处理打断、语气和停顿等对话线索。
团队称，Dessa从零开始仅使用人类对话语音训练，没有使用文本或预训练模型；训练使用一套NVIDIA GB200 NVL72系统。Block还称模型可在MacBook Pro M4 Max或更高配置本地运行、推理速度快于实时。这些均为公司自述，目前没有独立评测可验证。
这项工作的看点，是尝试绕开“语音转文字—语言模型处理—语音合成”的常见链路，直接从声音学习对话。Block表示，语音里的情绪和时序信息可能对交互与安全判断有帮助；但模型能否稳定理解这些信息，还需要外部测试。
目前它仍是研究预览，Block只邀请少数AI安全研究人员提前评估，并称相关发布入口即将开放。公告尚未提供公开基准、模型权重或开发者API，因此不宜把演示效果当作已验证的产品能力。
来源：Block官方项目页 https://block.xyz/dessa |
0