Block 发布 Dessa：仅用语音训练的全双工语音模型

导读

Block 发布研究预览版 Dessa，一款仅用人类对话音频训练的全双工语音到语音模型，不使用文本和预训练模型。它用 1 台 NVIDIA GB200 NVL72（72 块 GPU）训练，可在 MacBook Pro M4 Max 及以上本地运行且快于实时。目前仅有演示，未公布 benchmark 分数、参数量、权重、论文或 API，需申请 waitlist。