Block 推出全新语音模型 Dessa：突破文本中转限制，实现逼真全双工交互

Block 近日推出全新语音模型 Dessa，核心卖点是绕开传统“语音识别—文本大模型—语音合成”的级联路径，直接在音频层面完成理解与生成，并支持全双工交互。这意味着用户与 AI 可以像真人通话一样边说边听、随时打断，而非等待一方说完再回应。

从技术角度看，Dessa 若将语音输入、语义建模和语音输出统一到端到端框架，可减少 ASR 转写错误、TTS 韵律丢失和多次编码造成的信息损耗。全双工能力还要求模型具备低延迟推理、动态轮次切换与回声、噪声鲁棒性；它不仅要“听懂词”，还要捕捉语气、停顿、情绪和社交线索。对语音助手、客服、陪伴与实时翻译等场景，这意味着体验从“问答工具”转向“自然对话接口”。

不过，Dessa 的真正考验在规模化落地。全双工可能放大误触发、隐私与安全风险，端到端模型的可解释性和调试难度也更高。若 Block 能公开延迟、打断恢复、噪声环境等基准，并解决成本与合规问题，Dessa 或将成为语音交互从“文本中转”迈向“原生音频”的重要信号。