Block · Dessa / Ragavan Thurairatnam · 阅读原文
原始来源：Block · Dessa / Ragavan Thurairatnam
发现渠道：Hacker News · 公开讨论
通常的语音助手把听懂、文本推理与说话连接起来，容易把对话处理成一人说完再换另一人的轮次。Block 的小型研究团队介绍了另一条路线：Dessa 从头训练，只使用语音，不使用文本或预训练模型，尝试从声音里学习节奏、接话和语调。这是发布团队对训练路线的描述，页面尚未提供足够细的论文与训练数据说明供外部重建。
这里的全双工指模型能同时接收声音与生成声音，而不是必须先停止输入再回答。它可以在听的过程中做简短反馈，也可能被打断，或与人短暂重叠说话。这样的交互能力对自然交流有价值，因为人类往往通过停顿、语气和简短应答共同决定何时轮到谁说话；单纯提高文字回答准确率，并不会自动获得这些习惯。
团队称训练使用一套 GB200 NVL72，也就是包含 72 个 GPU 的系统，并称能在 M4 Max 或更高配置的 MacBook Pro 上快于实时运行。这里没有训练时长、同条件的延迟测量或通用能力对照，不能写成“单张 GPU 训练”或已证实的极低总成本。页面提供演示与等候名单，面向安全研究者征集早期访问；本期未发现可直接下载的权重或开放 API。
本刊没有播放或评价音视频。Hacker News 评论者对演示的体验分歧很具体：有人喜欢同时听说，也有人觉得插话过多、笑声不自然。它们提醒我们，自然对话不只是具备插话能力，还要判断何时安静听完。当前材料支持这条语音训练路线值得探索，尚不足以证明它能承担完整、可靠的语音服务。
可信度 65 · 重要性 82 · 新颖度 84
技术与主题
多模态 · 训练与对齐 · Full-duplex Speech · Turn-taking · Speech-only Training
Block
发布团队介绍研究路线与访问状态。
忠实转述（非原句）：团队希望让对话本身成为语音模型的学习对象，而不是把语言模型的文字答案再转换成声音。它把停顿、简短回应和同时听说视为核心能力，并邀请安全研究者参与早期评估。
paxy
回应原帖：查看原帖上下文
对 Dessa 演示的个人听感；本刊只读公开评论，未播放演示。
忠实转述（非原句）：他喜欢系统可以同时听与说，却觉得插话太频繁，想让人先把话说完。他对笑声也不满意。这是对具体对话体验的批评，不是对训练方法或通用智力的基准测试。
编辑评读
Dessa 提出的新能力不应只按文字模型的知识问答衡量。语音中有很多不写出来的信息：说话人是否准备结束、简短应声是在鼓励继续还是请求接话、声音是否犹豫。直接学习这些信号，有机会让交互不再依赖生硬的轮次切换。这说明训练目标和数据模态可以改变产品体验，而不仅是模型外面的语音皮肤。
与此同时，“能插话”与“插得恰当”需要分别评价。评论中的打断抱怨给出一个具体方向：系统可以拥有同时听说的能力，却未必懂得当前用户希望完整说完。发布页面展示的可感知自然度，也没有替代知识准确性、任务完成率或在噪声下的稳定性。评论者的感受不能当成这些指标的测量。
后续值得看的是包含长叙述、纠正、沉默和多人重叠的任务测试，记录不必要打断与最终任务结果，而不只比较听起来像不像人。对于今天的开发者，等候名单意味着接入条件仍有限；可先关注技术公开程度和独立测试。本期没有亲自试听或部署，保留探索价值，也保留体验结论的来源边界。