Dessa：只用人类对话语音训练出来的全双工对话模型
来源：block.xyz — 2026-10 发布
📋 概述
Block 旗下一个小研究团队发布 Dessa，一个只用人类对话语音训练、完全没有文本和预训练模型的全双工语音模型。它在人说到一半时就能笑、能插话、能「嗯哼」回应，情绪、停顿、语速都从原始音频直接学，而不是先转文字再合成。推理快于实时，训练只用一台 NVIDIA GB200 NVL72；团队给出三个理由：好奇心、人机互相理解、以及安全。
🔑 核心要点
- 纯语音训练：没有文本、没有预训练模型，学语言用的词量比 LLM 少数百倍。
- 全双工：边说边听，自己决定何时接话、何时用 yeah / got it 这类短句做背景回应。
- 推理快于实时，训练只用一个 GB200 NVL72；开放前先邀请安全研究者做外部评审。
- 动机包含安全：语音转文字会丢掉情绪信息，当前语音 AI 对声音里的痛苦几乎无感知。
💡 金句
We trained Dessa from scratch on nothing but human conversation.
👍 0
👎 0
← 返回 Hacker News 首页