杰克·多尔西旗下支付公司Block（XYZ，股价76.45美元，市场已收盘）发布了一款语音AI模型。在公司演示中，其声音逼真得惊人，引发从对其对话能力的赞叹，到警告此类技术可能让电话诈骗更难识别的各种反应。
据Block介绍，该模型名为Dessa，完全基于人类语音而非文本训练，能够在说话的同时聆听，从而在对话中处理打断、笑声和语气变化。
多尔西在X上写道：“和它交谈感觉就像在和一个人说话……充满情感、细微差别、停顿和自然的节奏。”
在一段演示中，Dessa在句子中间笑了起来；在另一段中，它对一个意外作出了听起来像是真实情感的反应。Block表示，这些对话是现场录制的，没有人指导模型的回应。
与先将语音转换为文本再生成语音回复的系统不同，Dessa直接处理音频。Block称，它使用一套英伟达GB200 NVL72计算系统从零开始训练Dessa。根据该公司声明，该模型足够紧凑，可在配备M4 Max或更强芯片的MacBook Pro上本地运行。
目前，Dessa仍是研究预览，而非面向公众的产品。
Dessa的演示迅速在社交媒体上引发关注，一些用户称赞其互动听起来非常自然。
X用户Alexander Hoff表示，他从未“听到过任何人工合成的声音听起来如此……像人”，而用户Hesamation则称其为“彻头彻尾的科幻产物”。
币安创始人赵长鹏（CZ）也加入讨论，指出其在教育领域的潜在用途——自然的语音互动可以帮助儿童通过对话学习。
“这对GiggleAcademy可能非常有益。用当前的‘AI语音’教孩子是个挑战，”赵长鹏在提到他的教育项目时写道。
但让一些听众印象深刻的拟人特质，也引发了其他人对该技术可能被用于欺骗的担忧。
电影制作人Justine Bateman质疑AI语音为何需要听起来像人，认为这可能被用来误导人们。“这样就能骗人放松警惕，”她写道。
记者Shiv Aroor提出了类似的欺诈担忧，写道：“诈骗电话即将达到大流行级别。”
Dessa来自Block。Block运营着Square、Cash App、比特币钱包Bitkey和比特币挖矿硬件部门Proto。其AI研究实验室直接向多尔西汇报，团队成员包括来自总部位于多伦多的AI初创公司Dessa的前员工；Square于2020年收购了该公司。
Block尚未披露该模型的规模、基准测试结果或公开发布日期。其音频样本仍属公司演示，而非独立测试。
该公司正向一小群AI安全研究人员提供早期访问权限。Block表示，基于语音的AI最终可能更擅长识别文字转录会遗漏的情绪线索，例如痛苦和疼痛，同时研究人员正在评估公司可能忽视的风险。
