语音与对话
Dessa：AI边说边听，改变的是对话哪一部分？
从官网双轨录音和可读字幕，分清接话时机、语音模型与本地运行；自然听感、开放入口和能替你做事，仍是不同的问题。
这是研究展示。10月25日读取的官方页仍把常规下载和候补入口指向coming soon提示，中文支持、内存与API条件也未列明；本文依据原页面与可读字幕整理，未审听音频或运行模型。
先看两条声音怎样交叠
官网的发布谈话样本有两条说话人轨道和后加字幕。文件元数据列出的时长约为2分53秒：按后加字幕的时序，在介绍模型的一句话尚未结束时，约35秒处已有短接话。可以先从这个很小的片段理解全双工——模型不必把“正在输出声音”当成关闭收听的时段。这是厂商样本和字幕中的交叠，不能当成独立延迟测试。
继续看原作时，可以分开留意三件事：接话是否合时、被打断后能否接回原意、要求改变说话方式时有没有相应变化。官网还提供让对方靠近麦克风、说得更清楚的谈话内容。字幕能帮助定位这些位置，笑声、音量和语气是否自然仍要回到原声音判断；一段选录也不能代表嘈杂房间里的日常表现。
- 打开官方发布谈话样本网站保留双轨与字幕，直接在原页继续；本站未重传音频。
来源与延伸阅读
- Dessa原发布页与双轨样本厂商原始资料 · 10月25日读取官网说明、完整样本的后加字幕和播放器时间资料；训练、硬件与自然度为厂商陈述，不是本站实测。
“边说边听”和“只用声音训练”是两件事
全双工首先说的是交互时序：收听与发声可以同时发生。语音转成文字、交给文本模型、再合成声音，是另一条实现路径；有些这类系统也能做流式输出和插话处理，不能一概说它们只能轮流说完整句子。还要继续看音频信息保留到哪里、系统如何判断该停下来或继续接话。
Block另称Dessa从人类对话声音从零训练，不使用文字或预训练模型。这是值得追踪的训练主张，并不意味着全双工此前不存在：Moshi的公开方案已经使用并行的用户/模型音频流，同时保留预测文本的内在独白。这些公开架构信息与Block的训练主张需要分别审读，不能只凭Dessa的“最自然”措辞排出能力榜。
来源与延伸阅读
- Dessa原发布页与双轨样本厂商原始资料 · 10月25日读取官网说明、完整样本的后加字幕和播放器时间资料；训练、硬件与自然度为厂商陈述，不是本站实测。
- Moshi的公开模型与实现说明研究团队原始资料 · 背景对照公开README说明用户/模型两路音频与文本内在独白；代码、权重许可和各运行后端分别列出。不把Moshi的延迟或开放条件借给Dessa。
“能在Mac运行”，还不是一份部署说明
官方写的是MacBook Pro M4 Max或更高配置，而非所有MacBook；同时称推理快于实时。芯片等级没有回答要多少内存、使用何种精度、怎样处理麦克风回声，也没有给出整段交互的延迟分布。这些条件未公开前，不能把一句硬件陈述改写成普通用户已经能离线安装，或把别的模型测得的毫秒数套过来。
Jack的原公布记录是10月23日18:23 UTC，换成北京时间已是10月24日；10月25日是这里接续阅读与中文报道的时间。研究展示、对外开放、某个版本的下载和一台机器实际运行，应该各自留自己的日期。接下来最有价值的材料，是一份明确版本与机器条件的运行记录。
来源与延伸阅读
- Dessa原发布页与双轨样本厂商原始资料 · 10月25日读取官网说明、完整样本的后加字幕和播放器时间资料；训练、硬件与自然度为厂商陈述，不是本站实测。
- Jack的原始公布记录发布者原记录 · 官方嵌入资料核时官方syndication资料created_at为2026-10-23T18:23:45Z，即北京时间10月24日02:23:45；不是10月25日才首次公布。
从听感，到真正可用的语音入口
本次所读发布页没有给出公开权重、模型许可、API文档、价格或中文支持清单；常规下载与候补按钮对应的仍是即将开放提示。官网另邀请一小组AI安全研究者申请提前接触。能研究原录音，与已能在自己的应用里接入，是不同阶段；这里仍有值得了解的对话能力，不需要把预览写成已开放产品。
更自然的反馈可能让讨论想法、练习表达或边做边问更顺畅，但自然发声也不代表答案可靠，更不自动赋予操作电脑的能力。已有Whistle、Needle与Atticus案例把转录、判断和执行拆开，正好提供另一个参照：先辨认声音这一环改变了什么，再看它怎样接到有人确认、可以纠正的真实动作。
来源与延伸阅读
- Dessa原发布页与双轨样本厂商原始资料 · 10月25日读取官网说明、完整样本的后加字幕和播放器时间资料；训练、硬件与自然度为厂商陈述，不是本站实测。