待验证50% 置信发布精确时间
Block发布支持本地运行的语音模型DESA，可实时边听边说并能插话接话，据称从零开始仅用人类语音训练，不依赖文本训练或预训练模型。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/25
首次发现
有效期至：2027/1/23
来源
涉及实体
相关事实
待验证推特系团队发布的语音模型DESA完全不借助任何文本预训练，从聆听人类真实对话中学习说话，具备全双工打断、呼吸和笑声表现，可在一台苹果电脑上本地运行。74% 相似待验证零样本迁移学习通过大规模预训练学会从极短音频中提取说话人嵌入向量，无需针对目标说话人专项训练即可复刻音色语调节奏72% 相似待验证微软 2023 年发布的 VALL-E 将语音生成建模为语言模型问题，仅需 3 秒参考音频即可实现零样本克隆，采用 EnCodec 神经音频编解码器70% 相似待验证VoiceCap 承诺录音数据不会用于训练模型70% 相似已验证Whisper、Wav2Vec 2.0等模型通过自监督预训练在海量无标注音频上学习通用声学表示，降低对人工标注数据的依赖69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1095774API
curl https://kongchang.com/api/v1/knowledge/claims/1095774MCP
get_claim(id=1095774)