Block, perusahaan teknologi yang dipimpin Jack Dorsey, memperkenalkan Dessa pada 23 Oktober 2026 sebagai model kecerdasan buatan berbasis suara dengan kemampuan berkomunikasi secara dua arah dalam waktu bersamaan. Berbeda dari asisten suara konvensional, Dessa menggunakan pendekatan full-duplex speech-to-speech yang memungkinkan sistem mendengarkan pengguna sambil memberikan respons lisan. Model ini juga dirancang untuk menghasilkan intonasi, jeda, tawa, dan ekspresi suara yang lebih alami. Inovasi tersebut menjadi perkembangan menarik dalam dunia TEKNOLOGI kecerdasan buatan karena menawarkan pendekatan percakapan yang tidak bergantung pada proses transkripsi teks sebagai tahap perantara.
Inovasi Kecerdasan Buatan Berbasis Audio dari Perusahaan Block
Tim penelitian kecerdasan buatan Block menghadirkan Dessa sebagai model AI suara eksperimental. Pengembangan tersebut dikembangkan untuk mendukung interaksi antara manusia dan mesin yang terasa semakin alami. Jika dibandingkan dengan pendekatan percakapan berbasis teks, Dessa dibangun untuk memahami serta menghasilkan percakapan lisan. Rancangan sistem tersebut memprioritaskan kemampuan pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Berdasarkan keterangan perusahaan, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa menggunakan teks sebagai data pelatihan. Pendekatan pembelajaran tersebut memberikan karakteristik tersendiri dalam pengembangan model suara.
Model suara ini merupakan hasil penelitian laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Kelompok peneliti ini mengembangkan pendekatan komunikasi audio yang responsif. Berdasarkan rekaman pengujian yang ditampilkan, Dessa memperlihatkan kemampuan merespons secara ekspresif. Beberapa contoh memperlihatkan reaksi dengan perubahan volume ketika interaksi berlangsung secara spontan. Meskipun kemampuan yang ditampilkan menjanjikan, rekaman demonstrasi tidak menggantikan pengujian independen. Karena alasan tersebut, Dessa masih perlu dievaluasi melalui pengujian lebih luas.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Fitur yang paling menonjol Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Dalam komunikasi manusia, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Untuk memberikan gambaran, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika pembicara masih menjelaskan sesuatu. Pola komunikasi seperti ini membantu menjaga kesinambungan dialog. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Melalui rancangan tersebut, pengguna dapat menyela ketika AI berbicara tanpa harus menunggu giliran secara kaku.
Ketika menggunakan pendekatan komunikasi berurutan, proses interaksi dapat melibatkan sejumlah komponen berbeda. Masukan suara manusia diproses melalui pengenalan ucapan, kemudian digunakan sebagai masukan untuk menghasilkan jawaban. Sesudah sistem menyusun keluaran, teks tersebut diubah menjadi ucapan sintetis. Metode pemrosesan berurutan telah mendukung banyak aplikasi praktis, tetapi dapat mengurangi sebagian konteks ekspresi suara. Dessa menggunakan pendekatan berbeda sehingga intonasi dan ritme dapat dipelajari langsung. Namun perlu diperhatikan, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa
Tim pengembang menyampaikan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa mengandalkan tahapan pelatihan berbasis tulisan. Strategi pengembangan tersebut berbeda dari banyak sistem AI suara karena model memperoleh pola percakapan melalui ucapan. Dengan menggunakan rekaman manusia, Dessa diharapkan mampu mempelajari pola intonasi serta mengenali kapan perlu merespons. Aspek pembelajaran ini mendukung pengembangan dalam menghasilkan respons suara lebih ekspresif. Walaupun metode pelatihannya telah dijelaskan, Block belum mempublikasikan rincian lengkap dataset sehingga representasi berbagai aksen masih memerlukan evaluasi.
Salah satu aspek menarik adalah kemampuan menghasilkan ekspresi suara. Pada percakapan sehari-hari, perubahan nada dapat memberikan konteks tambahan. Sebagai contoh, kalimat yang sama dapat terdengar gembira atau kecewa. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui analisis pola ekspresi audio. Pada percakapan yang diperlihatkan pengembang, sistem menunjukkan tawa spontan. Meski demikian, kemampuan meniru emosi tidak sama dengan merasakan emosi. Karena alasan tersebut, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Dessa Dapat Berjalan Secara Lokal pada Perangkat Komputer Tertentu
Selain kemampuan full-duplex, Block menyoroti efisiensi komputasi. Dalam informasi teknis yang diumumkan, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Meskipun proses pelatihannya membutuhkan akselerator kelas pusat data, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau komputer dengan kapasitas komputasi setara atau lebih kuat. Block juga menyatakan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Namun demikian, pengujian independen masih diperlukan.
Dukungan inferensi pada perangkat pengguna memiliki sejumlah manfaat potensial. Salah satunya adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Jika sistem benar-benar dijalankan secara lokal, audio tidak harus dikirim menuju server eksternal. Pendekatan tersebut memberikan pilihan pengolahan data yang lebih mandiri. Tidak kalah penting, perangkat lokal berpotensi mempertahankan layanan ketika koneksi terbatas. Namun demikian, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Pendekatan interaksi audio simultan membuka peluang penerapan pada berbagai layanan digital yang membutuhkan respons percakapan cepat. Salah satu bidang yang relevan adalah asisten percakapan untuk dukungan konsumen. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan menerima interupsi pengguna berpotensi mengurangi dialog yang kaku. Dalam skenario pelayanan, pelanggan yang ingin mengoreksi informasi dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Kemampuan ini dapat menjadi bahan penelitian lanjutan pada sistem dukungan pelanggan. Walaupun konsepnya relevan, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.
Di luar kebutuhan komunikasi bisnis, Dessa dapat menjadi dasar penelitian asisten virtual, layanan pendidikan berbasis suara, dan aplikasi yang mengandalkan dialog langsung. Pada penggunaan pendidikan, AI yang mampu menanggapi secara alami berpotensi menciptakan pengalaman latihan lebih realistis. Untuk kebutuhan aksesibilitas, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Namun demikian, kemampuan memahami aksen belum dapat disimpulkan dari rekaman demonstrasi. Aspek keselamatan dan privasi juga membutuhkan perhatian khusus sebelum teknologi diterapkan pada layanan penting.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Pengembangan sistem percakapan full-duplex dari Block memperlihatkan arah inovasi baru dalam penelitian model suara generatif. Berkat arsitektur percakapan berbasis suara, Dessa dirancang untuk mendengar dan berbicara bersamaan. Pelatihan berbasis rekaman manusia menciptakan arah pengembangan tersendiri dibandingkan banyak sistem percakapan berbasis transkripsi. Selain itu, kemampuan ekspresi suara berpotensi membuat dialog lebih alami. Walaupun demikian, Dessa belum tersedia secara umum. Keamanan interaksi dan ketersediaan perangkat lunak menjadi aspek yang perlu diperhatikan. Berkat evaluasi lebih mendalam, teknologi AI suara berpeluang menghadirkan interaksi digital lebih fleksibel. Bagaimana menurut Anda kemampuan AI yang menghasilkan respons suara dengan intonasi alami? Bagikan pandangan Anda mengenai masa depan AI suara full-duplex.
