---
title: "彻底抛弃 ASR+LLM+TTS 级联拼装！Jack Dorsey 旗下 Block 重磅发布全双工语音模型 Dessa：纯人类语音端到端建模、拟真情感笑声与 Mac 本地离线部署全景拆解"
url: "https://paooo.com/aigc-news/40399/"
author: "Prompt 语宙研究院"
published_at: "2026-10-26T16:12:24+08:00"
updated_at: "2026-10-26T16:12:24+08:00"
categories: "AIGC 资讯"
tags: "Block, Dessa, Jack Dorsey, 全双工语音, 端到端语音大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 彻底抛弃 ASR+LLM+TTS 级联拼装！Jack Dorsey 旗下 Block 重磅发布全双工语音模型 Dessa：纯人类语音端到端建模、拟真情感笑声与 Mac 本地离线部署全景拆解

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/40399/) · 作者：Prompt 语宙研究院 · 发布时间：2026-10-26

## AI 30 秒核心看点 (TL;DR)

- Dessa 以音频到音频端到端建模，跳过文本中转，保留笑声、叹息与呼吸等语音细节。
- 支持真·全双工交互，可感知插话与打断，并根据上下文自然调整语速与话语权。
- 可在消费级 Mac 与单卡 GPU 本地离线部署，适合餐饮点单、呼叫中心与私有化场景。

> **💡 站外导读：**长期以来，所谓的“智能语音对话系统”大多停留在“语音识别（ASR）转文字 ➔ 文本大语言模型（LLM）推理 ➔ 语音合成（TTS）发声”的拼装级联流水线中。这种架构不仅累加了数百毫秒乃至秒级的物理时延，更在文字中转过程中彻底丢失了人类语调、微表情、呼吸感与情绪起伏。Twitter 联合创始人 Jack Dorsey 掌舵的金融科技与基础设施巨头 Block（前身为 Square）正式发布划时代的全新原生语音大模型 **Dessa**。Dessa 完全基于纯粹的人类原始语音波形训练，彻底终结了文本中转环节，实现真正的声学全双工双向交互与极具震撼力的情感拟真，并支持在消费级 Mac 与单卡 GPU 上无依赖本地离线部署。

## 一、告别文字中转：声学原生端到端与全双工革命

传统级联语音流水线存在天然的技术代差：当人类说出一句带有讽刺意味的“呵，真不错”时，ASR 只能将其冰冷地还原为文本“真不错”，下游大语言模型因此作出截然相反的判断。**文字是对人类真实声音的高维有损压缩。**

Block 推出的 **Dessa** 彻底抛弃了中间文本层，其核心革命性特征包括：

  - **全链路语音到语音（Audio-to-Audio Native）：**输入是连续的声学波形特征，输出直接是连续的高保真音频流，声学信号中的笑声、叹息、哽咽乃至停顿呼吸均被模型内生捕捉；

  - **真·全双工（Full-Duplex）并发架构：**Dessa 可以在开口说话的同时持续监听外界声场，能够秒级感知人类的插话（Barge-in）、附和或打断，并根据听觉上下文自然地调整语速或礼貌让出话语权，重塑自然人际对话体验；

  - **内生对话知识库：**模型直接从海量高品质对话音频中提取因果逻辑与常识知识，摆脱了对外部通用大语言模型检索增强的强耦合依赖。

  

## 二、硬件亲和力与本地部署：消费级 Mac 跑通工业级声学中枢

在工程可用性方面，Dessa 展现出了极高的能效比，并未走向盲目膨胀参数量的弯路。Block 研发团队针对现代芯片架构进行了深度算子融合与显存优化：

  
    
      部署运行环境
      硬件配置基准
      推流时延与并发性能表现
    

  
  
    
      端侧便携设备 (Apple Silicon)
      搭载 M4 Max / M3 Max 芯片的 MacBook Pro
      利用统一内存（Unified Memory）与 Metal 硬件加速，首包音频生成时延压进 120ms，完全离线单机流畅运行。
    

    
      单机边缘服务器 (NVIDIA Edge)
      单张 RTX 4090 或 L40S 级商用 GPU
      支持并发承接数十路低延迟语音热线呼叫，显存占用不足 12GB，算力能耗极低。
    

    
      私有化企业级集群
      标准 Kubernetes GPU 节点池
      提供标准 gRPC / WebRTC 接口，无缝嵌入 Square POS 结账与呼叫中心前置系统。
    

  

## 三、商业赋能版图：从 Square 线下点单到全行业原生交互

作为服务全球数百万中小型商户与连锁企业的商业帝国，Block 布局 Dessa 绝非纯技术炫技，而是具有强烈的商业变现推力：

  - **无感餐饮与零售语音点餐：**在此之前，Square 已经在部分餐厅试点 AI 语音点单，但受制于背景噪音与生硬语调，顾客体验常有摩擦。Dessa 凭借对杂音环境的高鲁棒性与拟真口音，可自主承接嘈杂环境下的电话订位与窗口点餐；

  - **企业级隐私与合规护城河：**由于 Dessa 支持全本地私有化部署，商户和客户的对话音频无需上传至第三方公有云模型提供商，彻底杜绝了支付信息与敏感音频的越权外泄风险；

  - **封闭红队安全评估：**Block 官方目前已率先向全球顶尖安全研究团队开放内测，重点测试对抗语音钓鱼、声音克隆伪造防线，成熟后将逐步向商户端全量铺开。

#### 📝 站长洞察 (Editor's Insight)

从大模型交互架构演进史来看，Block 发布的 Dessa 再次印证了业界的共识：**“级联拼装是过渡方案，多模态端到端才是终局形态”**。就像早期计算机视觉先做边缘提取再做分类、最终被深度学习全端到端取代一样，语音交互也正在经历这场剥离文本中间层的范式转移。更深层次的商业逻辑在于，Jack Dorsey 敏锐地洞察到了线下中小实体（SMB）对“低成本、高确定性本地智能”的渴求——小企业无法承受昂贵的按 Token 计费的云端 API 账单，更无法承担数据隐私泄露的法律责任。Dessa 跑在 Mac 与单卡 GPU 上的能力，恰恰为去中心化、本地优先（Local-first）的企业级 AI 落地树立了标杆。

## 常见问题解答 (FAQ)

### Dessa 和传统语音助手有什么区别？
传统方案通常是 ASR 转文字、LLM 推理、TTS 发声的级联流水线，容易丢失语气、情绪和停顿信息。Dessa 直接从语音波形到语音输出，强调全双工交互与情感拟真，更接近自然对话。

### Dessa 能在 Mac 上离线运行吗？
可以。文中提到它支持在搭载 M4 Max 或 M3 Max 的 MacBook Pro 上本地离线部署，并利用统一内存与 Metal 加速实现较低首包时延，适合对隐私和本地化有要求的场景。

### Dessa 适合哪些商业应用场景？
主要适合餐饮点单、零售语音交互、电话订位、呼叫中心前置和企业私有化部署。它的优势在于低时延、可本地运行、对噪声环境更友好，并能降低云端调用与数据外泄风险。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
