Block 做了个像新朋友一样尬聊的语音模型

市面上的语音助手都在往「专业客服」方向卷：反应快、口音正、随时待命，礼貌得没有一丝破绽。Jack Dorsey 的 Block 反着来了一回。10 月 24 日 The Verge 报道，这家支付公司发布了一个叫 Dessa 的语音模型，公开的对话样片里，它会认错人、会突然跑题，整体感觉像认识第一天的朋友——有点尬，但真实。这种刻意保留的不完美，恰恰是它被讨论的原因。

一、发生了什么

据 The Verge 报道，Block 宣布的 Dessa 模型只用了人类对话从零训练，官方描述它是「真正的语音到语音模型」，它知道的一切都来自人类语音，不走「先转文字再生成再合成」的拼接路线。部署上它可以在一台 MacBook Pro M4 Max 或更高配置的电脑上本地运行，不用连云端。Block 发布的样片包括几种场景：Dessa 一开始把通话对象误认成另一个人；和人玩语音猜谜游戏；聊诺兰电影时突然岔到别的导演的超人系列；听人讲「带你去了巴黎的惊喜之旅」时，给出带着哭腔的感谢。网站还放了一段它与 OpenAI 语音模型的对话，Dessa 那边听起来更自然。团队负责人是 Ragavan Thurairatnam，厂商口径称模型所有知识都来自人类对话。

二、跟你有什么关系

做语音产品的开发者：本地可跑的语音到语音模型省掉了整条云端链路的延迟和成本，值得测一测你的设备能不能带动。普通用户：这是一次「不完美但要真实」的产品实验，如果你嫌现在的语音助手太像客服，这类方向可能会成为新选择。投资人观察者：支付公司做语音模型，说明陪聊场景正从大厂专属变成各方都能下场的高地。

三、怎么判断

1. 先听样片再下判断。语音模型的好坏文字描述不出来，官方放了多段真实对话录音，重点听打断、停顿和情绪反应是不是自然，而不是只看宣传语。
2. 注意训练方式的取舍。只用人类对话训练，换来的是自然，但也意味着它没有接外部知识库，问事实性问题容易露怯——它更像陪聊，不是问答机，两类需求别用同一个标准衡量。
3. 查你的硬件。M4 Max 是相当高的门槛，低配机器先别期待同样的体验，等官方给出更低的配置要求再说。

四、三个别信的说法

「语音到语音架构一定比拼接式强。」 架构少一环，延迟和语气确实可能更好，但能力上限取决于训练数据。样片是厂商挑过的，公开样片之外的表现要等第三方上手。

「能本地运行就不需要云了。」 M4 Max 属于消费级顶配，不是人人都有的条件。「可以本地跑」和「适合本地跑」是两回事，多数场景下云端仍是默认选择。

「会尬聊说明模型更聪明。」 认错人、跑题这类行为，可能是自然度提升的副产品，也可能是缺乏纠错机制。把缺陷包装成特性是演示环节的常见手法，保持一分怀疑。

五、一句话结论

陪聊语音的甜区不在答得准，而在像个人——Dessa 把「像个人」往前进了一步，代价是真不保证说得对。

信息来源

• The Verge：Block 发布像尴尬新朋友一样对话的语音模型 Dessa（2026-10-24）

功能与价格以官方公告为准。本文写于 2026 年 10 月 24 日。