一个字都没读过的 AI，学会了跟人实时聊天。

Block 刚发布的语音模型 Dessa，不用文本、不用任何预训练模型，从零开始只听人类对话的声音来学说话。你还在想那部诺兰的太空电影叫啥，它已经抢先接出《星际穿越》。

负责人直接叫它"语音的 GPT-3 时刻"👇

👂 边听边说，不用等你说完现在的语音 AI 大多是：你说完→转成文字→大模型写回答→再合成声音。Dessa 是声音进、声音出，说话时还在听，你插话它能感觉到，听你讲时还会插一句"yeah""got it"

😂 能听出语气，也能演出语气讽刺、笑声、叹气、犹豫它都能直接听出来；聊到好笑的地方会在半句话里笑出声。演示里听说要带它去巴黎，它压低声音轻轻一句"Oh my God"

📢 喊它大声点，它真会变响对方说离麦克风太远听不清，它再开口音量就上去了，对方回一句"清楚多了"。官方说这个没人专门教过

📚 学的词比大模型少了几百倍团队称它接触的词数比大语言模型少了数百倍（大模型还得学代码等别的东西）。一个词的声音占的字节可能是文字的几千倍，而且每次说出来都不一样，难度可想而知

💻 一台 MacBook Pro 就能本地跑训练用了一整套 GB200 NVL72 机柜（72 颗 Blackwell GPU），推理比实时还快，M4 Max 或更高配置的 MacBook Pro 就能本地运行

说人话就是：以后跟 AI 打电话，可能不再是一问一答的"对讲机"，而是真能接话、会抢话、听得出你情绪的聊天。

但它也会翻车：开场把人叫成"Ronaldo"被纠正，聊了 3 分多钟，告别时又说"You too, Ronaldo"。猜物游戏里也一次猜两样、猜回上一题。目前还不能下载，只给少量 AI 安全研究员开了申请。

你觉得语音 AI 最难受的是哪一点：要等它说完，还是听不出你的语气？

完整解读放评论区了👇