Jack Dorsey旗下支付公司Block发布了一款名为Dessa的语音AI模型。公司演示显示，这一模型的说话方式接近真人，外界反应也迅速分化：一部分人对其对话自然度感到惊讶，另一部分人则担心，这类技术可能让电话诈骗和欺骗行为更难识别。
Dessa以语音为训练基础，不通过文本生成回复
根据Block的公告，Dessa完全基于人类语音训练，而不是先学习文本再转成语音。它还能在说话时继续听用户输入，因此可以处理对话中的打断、笑声以及语气变化。
Jack Dorsey在X上写道：「和它说话的感觉就像在和一个人交谈……充满情绪、细微差别、停顿和自然的节奏。」
在Block展示的一个演示中，Dessa会在一句话中途发笑；在另一个演示里，它在面对意外情况时做出了听起来带有真实情绪的反应。Block表示，这些对话是实时录制的，没有人对模型的回答进行现场引导。
可直接处理音频，能在MacBook Pro本地运行
与先把语音转成文本、再生成语音回复的系统不同，Dessa直接处理音频。Block表示，公司使用单套Nvidia GB200 NVL72计算系统从零开始训练了这一模型。
按照Block的说法，Dessa体积足够小，可以在配备M4 Max芯片或更高配置的MacBook Pro上本地运行。
不过，Dessa目前仍处于研究预览阶段，还不是面向公众开放的产品。
社交平台反应两极：有人称像科幻，也有人担心被用于误导
Dessa的演示很快在社交平台上引发关注，一些用户称赞其互动听起来非常自然。
X用户Alexander Hoff表示，他从未「听过任何人工系统能发出这么……像人的声音」；用户Hesamation则称其为「彻头彻尾的科幻场景」。
币安创始人赵长鹏也参与讨论，提到这类自然语音交互在教育领域可能有应用空间，尤其是帮助儿童通过对话学习。
赵长鹏写道：「这对GiggleAcademy来说可能非常有用。用现在这种『AI语音』教孩子一直是个挑战。」他提到的GiggleAcademy是其教育项目。
但正是这些拟人化特征，也让另一部分人感到不安。电影制作人Justine Bateman质疑，为什么AI语音必须听起来像真人，并认为这可能被用来误导他人。她写道：「这样你就能骗别人放下戒备。」
记者Shiv Aroor也表达了类似担忧，称「诈骗电话快要达到大流行级别了」。
Block尚未披露模型规模、基准测试和发布时间
Dessa来自Block。该公司旗下业务包括Square、Cash App、比特币钱包Bitkey，以及比特币挖矿硬件部门Proto。
Block的AI研究实验室直接向Dorsey汇报，其中包括来自多伦多AI初创公司Dessa的前员工。Square在2020年收购了这家公司。
截至目前，Block尚未披露Dessa的模型规模、基准测试结果，也没有公布面向公众的发布时间。现有音频样本仍属于公司演示，而不是独立测试结果。
Block目前正向一小部分AI安全研究人员提供早期访问权限。公司表示，基于语音的AI未来可能更擅长识别文本记录容易遗漏的情绪线索，例如痛苦和疼痛，同时也让研究人员评估公司可能忽略的风险。