Block 官方公布 Dessa，宣稱是全球首個只靠人類語音、從不依賴文字或預訓練文字模型、即可進行真實即時對話的語音對語音系統；採全雙工、可於 MacBook Pro M4 Max 或更高規格本機運行，並指僅以一部 NVIDIA GB200 NVL72 完成訓練。本文已核對 Block 產品頁與科技媒體報道。
Block／官方：推出純語音訓練對話模型 Dessa——全雙工、單機 GB200 訓練、可於 MacBook Pro 本機運行
Block 旗下小型人工智能研究團隊於官方頁面發表 Dessa，定位為「只以語音訓練」的對話模型：不把語音先轉成文字，而是直接以聲音輸入、聲音輸出，並強調可同時聽與說（全雙工）。來源真實性已驗證：核心技術與產品主張以 Block 官方頁 https://block.xyz/dessa 為準；The Verge 等於二零二六年十月二十三日前後報道同一發布，Hacker News 亦以官方連結作為討論入口。本文只採用上述可核對陳述，不臆測未公布的參數規模、數據時數或商業定價。
一、核心事件：語音不再先「變成文字」
技術細節
現行多數語音助手的常見路徑，是先做語音轉文字，再把文字丟進大型語言模型，最後再合成語音。Block 指這條路徑會丟掉語調、停頓、情緒與諷刺等文字難以承載的資訊，令體驗變得僵硬、遲緩甚至令人煩躁。
Dessa 的官方主張與此相反：模型「從零開始、只靠人類對話聲音」學習，不依賴文字語料、也不接預訓練文字模型；據官方說法，它是目前所知第一個能夠進行逼真即時對話、且訓練資料僅來自人類語音的人工智能。團隊同時展示多段真人與 Dessa 的現場錄音，並強調無人即時操控台詞——模型自行決定說什麼、何時說、用什麼語氣與聲線。
組織背景方面，官方寫明這是 Block 內非常精簡的人工智能研究室，成員來自昔日多倫多深度學習新創 Dessa，直接向 Block 共同創辦人 Jack Dorsey 匯報；對外聯絡人為 Dessa 負責人 Ragavan Thurairatnam。
二、技術原理深度解析
語音對語音與全雙工
官方把 Dessa 描述為真正的語音對語音（speech-to-speech）模型：音訊進、音訊出。全雙工意味著系統可一邊聽一邊說，並學會在適當時刻插入附和（例如「yeah」「got it」），而不是等對方完全說完才一次性回應。官方並稱推理速度快於實時，以減少尷尬等待。
本機運行與訓練算力主張
在部署端，官方指 Dessa 可於 MacBook Pro M4 Max 或更高規格本機運行，強調低延遲與本地執行。在訓練端，官方寫明團隊「弄清楚如何只在一部 NVIDIA GB200 NVL72 上訓練 Dessa」。這兩點對企業與開發者評估私有化部署成本、以及對照雲端巨型集群路線，都具參考價值；惟官方並未公開完整系統規格表或基準測試分數，外界應以產品頁原文為準，避免把示範體驗直接外推為通用生產指標。
資料效率與「聽得到情緒」
官方比較 Dessa 與大型語言模型時指出：後者需要海量文字，而 Dessa「以少幾百倍字詞量級」學會語言（並自嘲大型模型還要學程式語言與框架）。同時，語音幾乎從不重複——同一句話再說一次，原始資料仍會不同；單一口語詞所佔位元組亦遠高於文字。官方認為，正因如此，模型必須同時學會口音、呼吸、停頓、諷刺與情緒，而這些訊號正是許多「先轉文字」語音介面所丟失的部分。
安全論述上，官方提出一個具體場景：當使用者處於劇烈痛苦時，若語音系統對語氣毫無感知、仍機械式繼續對話，可能構成風險；Dessa 被定位為朝「聽得懂情緒」邁出的一步。團隊並公開邀請少數人工智能安全研究者申請早期存取，以查找尚未預見的風險。
三、日常應用場景
1. 開發者與技術團隊
對正打造客服、銷售輔助或內部知識助理的團隊而言，Dessa 示範了一條「保留韻律與打斷節奏」的語音代理路線，並以本機可跑作為延遲與資料駐留的賣點。開發者宜分開評估：示範錄音是否等於可嵌入的 SDK／API、授權條款，以及在嘈雜環境、廣東話／多語場景下的實際表現——官方頁目前以研究展示與安全研究者早期存取為主，未等同宣布全面商業開放。
2. 企業與隱私敏感行業
金融、醫療、法律等行業若希望語音助理盡量留在裝置或專用環境，本機運行主張具吸引力。企業仍須自行核對：訓練資料來源與授權、錄音示範是否涉及真實客戶資料、以及在香港《個人資料（私隱）條例》下錄音與模型輸出的合規要求。Block 官方並未在該頁列出行業認證或合規清單。
3. 一般用戶
一般使用者最易感受到的，是對話是否自然：可否中途插話、會否「笑點對上」、會否把情緒聽進去。官方示範刻意展現笑聲、倒抽一口氣、哽咽式感謝等反應；The Verge 亦形容部分對話帶有「略顯尷尬卻像真人」的質感。這類體驗是否穩定可重現，仍取決於後續公開基準與第三方複現。
4. 香港與亞洲市場視角
香港企業近年加速試行語音客服、櫃位輔助與多語接待。若未來出現可私有部署、低延遲的全雙工語音模型，有助減少把敏感錄音全部送上公有雲的壓力。與此同時，粵語、英語、普通話混用，以及嘈雜商場／機艙環境，都是文字語料模型與語音模型共同的硬仗；Dessa 官方頁未就亞洲語言能力作出可核對聲明，本地採用者應以實測為準。
四、專業評價與潛在考量
優勢
- 官方清楚對立於「語音→文字→模型→語音」主流管線，產品敘事與技術主張一致。
- 全雙工、快於實時推理、本機可跑，以及「單機 GB200 NVL72 訓練」等表述，便於技術決策者建立數量級直覺。
- 主動開放安全研究者早期存取，顯示團隊意識到「新能力類別」伴隨新風險。
需要留意的地方
- 「全球首個」屬官方自我定位，屬競爭性聲稱；第三方獨立評測尚未成為本文可引用的同等級來源。
- 官方未公布參數量、訓練時數、詞錯率或標準語音基準分數，商業落地節奏不明。
- 與第三方「GPT-Live-1」的對談示範已標明對方並非 Block 關係企業、亦未審核或背書 Dessa，讀者不應誤解為聯合產品發布。
- 情緒擬真愈高，愈可能放大社交工程、詐欺語音或過度信任風險，恰是安全早期存取要檢驗的方向。
結語
Dessa 把「語音介面」從轉寫管線，拉回「直接在聲音裡學對話」的研究與產品敘事，並以全雙工、本機運行與相對克制的訓練算力主張，回應企業對延遲與資料駐留的關注。後續值得追蹤的，是公開基準、語言覆蓋，以及安全研究者早期存取的結果能否支撐官方對情緒理解與安全價值的論述。
若香港企業希望把語音或文字助理部署在可控環境，並以自有數據微調，可參考 YSK Limited 的企業私有 LLM 全託管方案（年費 HK$88,000 起，Dataset → QLoRA／LoRA → 私有 API，強調數據不出境）：https://ysk.hk/services/ai-automation 。
參考來源
- Block 官方：Dessa — the Conversation Model trained only on speech — https://block.xyz/dessa
- The Verge：Jack Dorsey’s Block made an AI model that talks to you like an awkward new friend（2026-10-23）— https://www.theverge.com/ai-artificial-intelligence/1017906/jack-dorsey-block-dessa-ai-voice-speech
- YSK Limited：企業私有 LLM／AI 自動化服務 — https://ysk.hk/services/ai-automation
- YSK Limited：llms.txt（服務與價格公開摘要）— https://ysk.hk/llms.txt