{"id":"mb-20261027-855473","kind":"deep","title":"彻底甩掉文本大模型：Block发布首个纯靠人类声波训练的本地全双工语音AI","summary":"当前主流语音助手普遍采用“语音转文本-大模型推理-语音合成”的三段式链路，容易丢弃语气、重音和情绪。Jack Dorsey旗下Block公司推出的Dessa模型彻底摆脱了文本层，全流程仅基于人类对话音频波形训练。模型具备全双工实时打断与情绪响应能力，仅靠一套英伟达GB200 NVL72完成训练，且能在M4 Max笔记本本地超实时运行，为端到端多模态智能提供了全新路径。","body":"现在的语音 AI，连一个音节都听不见。\n\n你在手机这头叹气、哽咽、用反讽的腔调说话，它完全感知不到。\n\n只要你用过语音助手，大概都体会过那种诡异的迟钝。\n你讲了一句带笑点的长句，它非要等你完全闭嘴，在空气里卡顿半秒，才机械地回你一句。\n\n为什么会这样？\n因为市面上绝大多数语音助手，全在玩三段式接力。\n第一步，语音转文字，把你的声音打碎成文本。\n第二步，大语言模型读这段文本，算出该回什么话。\n第三步，语音合成器把文本重新读成声音。\n\n这种把声音扒成文字的折腾，直接把人类交流里最值钱的信息丢光了。\n\n研发团队举过一个很说明问题的例子。\n英文里有一句话：我没说她偷了我的代码。\n这句话总共就这几个词，但你把重音放在不同的词上，意思完全不同。\n重音落在“我”上面，意思是别人说的，不是我说的。\n重音落在“她”上面，意思是偷代码的另有其人。\n重音落在“偷”上面，意思是她可能是借的，不算偷。\n\n可在文字世界里，大模型看到的字符一模一样。\n语调、停顿、换气、情绪，在压成文字的那一瞬间，全被丢进了垃圾桶。\n模型只能靠文字上下文硬猜。\n\n昨天推特创始人 Jack Dorsey 的公司 Block，亮出了一个完全打破常识的原型。\n代号叫 Dessa。\n\n这台模型最不可思议的地方，是它彻底甩掉了大语言模型。\n它从头到尾没有读过一本书，没爬过一个网页，也没见过一行代码。\n它的神经网络里根本没有文字概念。\n它是纯靠听人类说话的连续声波，硬生生学会了对话。\n\n人类婴儿怎么学说话，它就怎么学。\n\n听起来合情合理对吧？\n但在计算工程上，这原本是一条地狱难度的路线。\n\n为什么以前各家大厂都死守着文本？\n因为文字算起来太便宜了。\n文本里的一个词，只有几个字节。\n不管谁在键盘上打字，同一个单词的编码永远一模一样。\n\n声音完全是另一回事。\n哪怕同一个人把同一句话念两遍，声波的波形、谐波和背景杂音也绝不重复。\n念出一个词消耗的数据量，比纯文本大了几千倍。\n大语言模型需要喂上几万亿个词才能建立逻辑，要是直接硬啃未经切分的声波，算力开销原本是个天文数字。\n\n领衔这项研究的 Ragavan Thurairatnam 团队，硬是把这道坎给踩过去了。\n他们只用了一套英伟达 GB200 NVL72 系统，就完成了整套端到端模型的训练。\n它掌握对话逻辑用到的有效单词量，比传统大语言模型少了上百倍。\n\n纯靠听声音练出来的模型，聊起天来到底有什么不一样？\n\n官方放出了一段实测录音。\n测试员一开口把它的名字叫错了，叫成雷纳尔多。\nDessa 完全没有传统 AI 那种字斟句酌的死板，当场就打断对方笑出了声。\n它带着地道的街头口吻接话：我不是雷纳尔多，兄弟你认错人了，我是戴弗。\n测试员聊到自己在超市搬货很累、刚出生的儿子早上缠着要爸爸。\nDessa 不仅能顺着细节接住话茬，还能在对方说话的间隙，自然地垫上两声“对”、“懂你”。\n\n这在通信和工程上叫全双工。\n过去的语音模型是半双工，你讲的时候它只能憋着听，讲完它才能回。\n全双工是边听边说。\n你在半句话里抖了个包袱，它在说话的同一秒就能笑出声，不用等你讲完再去调取一段笑声脚本。\n\n它甚至不需要连云端服务器。\n只要一台搭载苹果 M4 Max 芯片的 MacBook Pro，在本地就能跑得比真人语速还要快。\n\n以前大家总觉得，没有百亿参数的文字大脑在后面撑着，AI 就不可能拥有真正的交互智能。\n但人类演化了几十万年，发明文字才不过几千年。\n小孩在看懂第一行字之前，早就已经通过语调的高低、母亲呼吸的缓急，弄懂了全部的情绪与规则。\n\n当声音不再被强行压平装进文本的盒子里，人机交互的真正起点，可能才刚刚开始。","topic":"彻底甩掉文本大模型：Block发布首个纯靠人类声波训练的本地全双工语音AI","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-27 09:42:51","legal_anchor_count":0,"transcript_citation_count":0,"seo_title":"彻底甩掉文本大模型：Block发布首个纯靠人类声波训练的本地全双工语音AI","description":"当前主流语音助手普遍采用“语音转文本-大模型推理-语音合成”的三段式链路，容易丢弃语气、重音和情绪。Jack Dorsey旗下Block公司推出的Dessa模型彻底摆脱了文本层，全流程仅基于人类对话音频波形训练。","domain":"ai","domain_label":"AI 与大模型","domain_label_en":"AI & LLMs","domain_url":"https://mubeitech.com/deep?domain=ai","canonical_url":"https://mubeitech.com/deep/mb-20261027-855473","markdown_url":"https://mubeitech.com/deep/mb-20261027-855473/markdown","json_url":"https://mubeitech.com/api/interpretations/mb-20261027-855473","published_at":"2026-10-27T09:42:51Z"}