Block 的 AI 实验室推出了一款名为 Dessa 的全双工语音模型，它最特别的地方不在于性能数字，而在于训练数据的来源和运行方式。
发生了什么
据 MarkTechPost 报道，Block 的 AI 实验室发布了 Dessa，这是一个全双工（full-duplex）的语音到语音模型，训练数据只有人类对话音频——没有文本语料，也没有常见的“语音转文本再转回语音”的级联管线。官方演示中，它能在 MacBook Pro M4 Max 上本地运行。
但 Block 同时保持了相当程度的保留：没有公布模型参数量、没有发布任何基准测试结果，也没有开放权重。也就是说，外界目前只能看到一个可运行的产品形态，无法复现、无法对比、也无法评估它在真实场景下的能力边界。
为什么重要
全双工是语音交互里一个被反复提及、却很少真正做好的目标。今天主流语音助手大多遵循“听—转写—理解—生成—合成”的串行流程，用户说完之后要等上一段时间才有回应，打断、抢话、语气反馈这些人类对话中的自然行为基本缺失。全双工模型试图让模型一边听一边说，从而更接近真人对话的节奏。
Dessa 的第二个看点在于“只用语音训练”。过去一年，业界主流做法是把语音先转成文本 token，再借助大语言模型的能力做对话。这条路成熟、可复用，但会丢失韵律、情绪、停顿等副语言信息。直接用对话音频训练，理论上能让模型学到这些文本里不存在的信号，也更贴近“语音原生”的路线。
第三点是本地运行。语音交互涉及大量隐私敏感场景，能在个人设备上跑完整模型，意味着不必把麦克风数据传到云端。这对端侧 AI 的叙事是一个具体注脚。
影响与看点
对开发者而言，Dessa 目前更像一个方向性信号而非可用工具：没有权重、没有规模、没有评测，就无法判断它是研究原型还是接近产品化的系统。真正值得关注的是 Block 后续是否补齐这些信息——尤其是延迟、打断响应和长对话稳定性这三项，它们才是全双工能否落地的分水岭。
对行业来说，这条路线如果被验证，会进一步推动语音模型从“转写管线”转向“端到端原生模型”，并与端侧算力形成合力。但也要清醒：一次没有基准、没有权重的发布，本质上是一次姿态展示。它证明了方向可行，却还没有证明这条路比别人走得更远。
