本篇体育资讯由金宝博整理：
语音助手说话像念稿，这件事被吐槽了很多年。
Block 研究实验室放出的新模型 Dessa，给出的解法有点反常识：不靠文本中转，直接对着人声学。
据 Block 介绍，Dessa 完全用人类语音训练，训练和运行都只需要一块 NVIDIA GPU。
它跑在本地，能发出笑声、停顿、哭声这类表达，听起来"奇怪地像人"。
为什么现在的语音模型总显得不自然？
Block 的说法是，问题出在管线里的文本环节——语音生成被文本驱动，情绪只能靠语音标签去调。
ElevenLabs v4、Fish Audio Drama 3 这类模型走的正是标签路线。
Block 声称 Dessa 把情绪内建进了模型，至于这种情绪是否仍由某种标签操控，目前并不清楚。
Dessa 是 全双工 模型，能一边说一边听，和 OpenAI 今年早些时候发布的 GPT-Live 属于同一类。
通常语音模型要外挂一个大语言模型来取知识，Block 表示 Dessa 的知识来自它自己的对话数据。
Block 在博客里把话说得很重： "和现在的语音 AI 交互，就是单纯地难受。
" 它把你的声音转成文本，丢掉了文本根本承载不了的大量信息。
世界上最强的 AI 听不出你的感受，Block 认为这很荒谬，体验更差，而且有潜在危险。
研究人员放出了多段与 Dessa 的对话示例，智能体的声音、语调和情绪各不相同。
其中一段里，机器人说自己工作累了，那一刻它的声音听起来确实疲惫；
另一段里，它说着对方让它感到舒服，语气情绪化到近乎崩溃。
还有一段是 Block 员工和语音助手玩游戏。
硬件门槛也不高。
Block 称这个模型可以跑在 MacBook M4 Max 或更好的消费级电脑上。
但 Dessa 目前没有公开访问入口，Block 正在召集安全研究人员来测试它——大概率是要摸清语音智能体在对话另一端骗过人的那些场景。
这门生意和 Block 的主业对得上。
它做金融，把方案卖给小商家，Square 已经在用语音 AI 处理点单。
有了能在设备端本地跑的自家语音模型，它能以更低的成本撑起更多商业和消费者场景。
特别
更多体坛动态，关注金宝博。
觉得内容有帮助？
分享给需要了解相关信息的朋友。