Block推出全双工语音模型Dessa：能模拟笑声和停顿，还能在MacBook上本地跑

Twitter 联合创始人杰克·多尔西（Jack Dorsey）旗下的 Block 公司，最近推出了一款全新的语音模型 Dessa。它最大的特点是两个：全双工，以及可以在 MacBook 上本地运行。

全双工是什么意思

你现在用的语音助手，基本都是”半双工”：你说完，它才开始处理；它说完，你才能插话。中间那零点几秒的停顿，就是它在等你闭嘴。

全双工则是边听边说——像真人对话一样，你可以在它说话的时候”嗯””对”地应和，甚至打断它，它会自然地停下来听你说。技术上这要求模型同时处理输入流和输出流，难度比半双工高一个档次。

为什么”像人”这么难

Block 官方提到，Dessa 能模拟笑声、停顿、哽咽这些情绪表达。这几点恰恰是传统 TTS（文本转语音）最缺的：

• 传统 TTS 读出来的句子，标点停顿是均匀的，真人说话不会这样；
• 真人会在句子里加”呃””那个”这类填充词，TTS 通常不会；
• 情绪切换时，真人会有气息变化，TTS 往往是整段统一语调。

所以”能模拟笑声”听起来像花活，实际上是判断模型是否学到了韵律分布的一个很直观的指标。

本地运行的意义

更值得注意的是”支持 MacBook 本地运行”。语音助手这个场景，隐私敏感度极高——你家里的对话、会议内容、和家人的闲聊，全都过一遍云端，很多人是不接受的。

本地跑意味着：

• 零延迟（不用等网络往返）；
• 断网可用；
• 数据不出设备。

代价是模型必须足够小。能在笔记本上实时跑全双工语音模型，说明这轮端侧算力（Apple Silicon 的统一内存架构）确实已经够用了。

普通人什么时候能用上

目前 Dessa 还是研究性质的开源发布，距离”装个 App 就能用”还有距离。但它指出了一个方向：

语音交互的下一代，不是”更准的识别率”，而是”更像人的节奏”。

当模型能自然地停顿、能被打断、能在合适的地方笑一下，人才会真的把它当成对话对象，而不是一个查询工具。

值得关注的两点

一是开源与否。Block 这次强调”完全基于人类语音数据训练”，如果权重开放，社区会很快做出各种本地语音助手。

二是功耗。本地全双工意味着麦克风长期开启 + 模型常驻内存，笔记本续航会受影响。这块怎么优化，是决定它能不能日常用的关键。

如果你对语音交互感兴趣，这个项目值得盯一段时间。