Block 发布语音模型 Dessa，仅用人类对话从零训练

Jay Peters

是资深记者，报道科技、游戏等领域。他在 Techmeme 工作近两年后，于 2019 年加入 The Verge。

Jack Dorsey 的 Block 发布了一款名为 Dessa 的 AI 模型，该模型“完全基于人类对话从头训练”，为了展示该模型，Block 分享了它与人类的聊天记录，这些对话有时会略显尴尬和诡异。

以这段对话为例，由 Dessa 负责人 Ragavan Thurairatnam 分享。模型与说话者之间的对话大部分确实有来有回（尽管不知为何，模型一开始把说话者误认成某个叫“Ronaldo”的人）。

以下是 Dessa 通过语音玩猜谜游戏的视频：

Dessa 网站还展示了其他几个例子，比如一段关于 Christopher Nolan 电影的对话（包括 Dessa 出人意料地扯到 Bryan Singer 的超人电影），一个人告诉 Dessa 要带它去巴黎惊喜旅行（正如网站所描述，Dessa“随后用听起来像含泪感激的话回应”），以及 OpenAI 的 GPT-Live-1 语音模型与 Dessa 之间的对话（Dessa 在其中显得更自然）。你可以在这个视频中听到其中一些对话的片段。

在网站上，Dessa 团队表示，Dessa 是一个“真正的语音到语音模型，它所知道的一切都来自人类语音”，并且可以在 MacBook Pro M4 Max“或更高配置”上本地运行。至于为什么要做它，团队给出了三个理由：“好奇心（也就是好玩）、增进人类与 AI 之间的理解，以及安全”，并提供了更多细节：

婴儿学会说话时从未见过写下来的文字。我们想看看模型是否也能做到。它能做到。只是非常难。

语音是与任何智能（超级智能或其他智能）最自然的交互界面，而当今的语音 AI 浪费了这一点。它把我们说的话压平成文本，无法跟上人类的节奏。

AI 不断获得更强的能力和独立性，却仍然几乎听不到我们声音中的情感。想象一下，你正处于剧烈疼痛中，而语音 AI 毫无察觉，只是继续说下去。这就是安全问题。Dessa 是朝着解决这个问题迈出的一步。

Dessa 团队表示，将向“一小群 AI 安全研究人员”提供该模型的早期访问权限。

关注本报道的话题和作者，以便在个性化首页信息流中看到更多类似内容，并接收电子邮件更新。

• Jay Peters