金融科技公司 Block 推出一个全双工端到端语音对话大模型 Dessa：全球首个完全只靠人类语音、从零训练出来的实时对话 AI。
从零训练的意思是：没喂过一行字，没用任何预训练 LLM，100% 靠“听”人类聊天录音学会说话，走的是人类婴儿学说话的路子。
现在的语音 AI 为什么像个智障客服？底层还是“语音转文字 → LLM 思考 → 文字转语音”，你声音里的叹气、哽咽、阴阳怪气，全在转文字那一步丢光了。
Dessa 直接 Audio-in、Audio-out：原生全双工，边听边说，你说一半好笑的它会直接笑场，不用傻等你说完才按指令笑；能直接捕捉笑声、挫败的叹气和哽咽，听懂潜台词；你喊它“大点声”，它直接提高分贝，没人写死这行代码。
更夸张的是算力账：学的词汇总量比传统 LLM 少几百倍，仅靠 1 台 NVIDIA GB200 NVL72 就训完，还能在 MacBook Pro M4 Max 上超实时本地跑。
正文完