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. Proyek penelitian tersebut dikembangkan untuk mendukung interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Jika dibandingkan dengan pendekatan percakapan berbasis teks, Dessa menggunakan audio sebagai dasar interaksi. Rancangan sistem tersebut memprioritaskan kemampuan pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Berdasarkan keterangan perusahaan, Dessa dilatih menggunakan rekaman percakapan manusia tanpa mengandalkan model bahasa pralatih. Pendekatan pembelajaran tersebut membuat proyek ini menarik perhatian dalam pengembangan model suara.
Model suara ini merupakan hasil penelitian laboratorium riset AI di dalam Block yang berada di bawah arahan Ragavan Thurairatnam. Laboratorium pengembang mengembangkan pendekatan komunikasi audio yang responsif. Melalui demonstrasi yang dipublikasikan, Dessa menghasilkan percakapan dengan perubahan nada yang dinamis. Beberapa contoh menunjukkan penggunaan jeda dan ekspresi suara ketika situasi percakapan berubah. Namun demikian, contoh pilihan pengembang belum membuktikan keandalan dalam semua situasi. Karena alasan tersebut, Dessa belum dapat dinilai sepenuhnya hanya berdasarkan demonstrasi publik.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Fitur yang paling menonjol Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Ketika dua orang berbincang, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Dalam situasi percakapan, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika orang lain sedang menyampaikan informasi. Karakteristik interaksi tersebut membuat percakapan terasa lebih hidup. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui pengelolaan masukan dan keluaran suara simultan. Berkat pendekatan full-duplex, pengguna bisa memberikan masukan sebelum jawaban selesai tanpa harus menunggu giliran secara kaku.
Ketika menggunakan pendekatan komunikasi berurutan, proses interaksi biasanya berlangsung melalui rangkaian pemrosesan terpisah. Ucapan yang diterima sistem diproses melalui pengenalan ucapan, kemudian dianalisis oleh sistem pemrosesan teks. Sesudah sistem menyusun keluaran, teks tersebut diproses oleh teknologi text-to-speech. Metode pemrosesan berurutan telah mendukung banyak aplikasi praktis, tetapi dapat mengurangi sebagian konteks ekspresi suara. Sebaliknya, model Block mengutamakan audio langsung sehingga informasi suara menjadi bagian utama pemrosesan. Meski demikian, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Pendekatan Speech-to-Speech Membentuk Kemampuan Berbicara Alami
Menurut informasi perusahaan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa mengandalkan tahapan pelatihan berbasis tulisan. Pendekatan tersebut mencerminkan arah penelitian yang tidak umum karena suara menjadi sumber utama informasi. Berkat pelatihan yang berpusat pada audio, Dessa diharapkan mampu mempelajari pola intonasi serta mempelajari pola pergantian pembicara. Karakteristik tersebut memiliki peranan penting dalam membangun pengalaman percakapan yang tidak kaku. Meski pendekatan penelitian diumumkan, Block tidak merinci seluruh informasi data pelatihan sehingga keandalan pada beragam kondisi belum dapat dipastikan.
Karakteristik lain yang menonjol adalah pemrosesan karakter emosional dalam dialog. Pada percakapan sehari-hari, perubahan nada dapat memberikan konteks tambahan. Dalam suatu percakapan, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui analisis pola ekspresi audio. Dalam demonstrasi publik, sistem menghasilkan perubahan nada yang ekspresif. Walaupun terdengar ekspresif, ekspresi vokal bukan bukti adanya pengalaman emosional. Oleh karena itu, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian
Tidak hanya menghadirkan komunikasi simultan, Block menyoroti efisiensi komputasi. Berdasarkan klaim pengembang, Dessa dikembangkan melalui infrastruktur pelatihan NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. Perangkat keras yang dijadikan referensi adalah MacBook Pro dengan chip M4 Max atau komputer dengan kapasitas komputasi setara atau lebih kuat. Block juga menyatakan bahwa inferensi Dessa dapat berlangsung lebih cepat daripada waktu nyata. Namun demikian, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Pemrosesan kecerdasan buatan langsung di komputer menawarkan berbagai kemungkinan penggunaan. Keunggulan yang dapat diperoleh adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Pada penerapan yang sesuai, data suara dapat diproses di perangkat pengguna. Penggunaan sistem on-device memberikan pilihan pengolahan data yang lebih mandiri. Tidak kalah penting, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Walaupun potensinya besar, Dessa belum tersedia sebagai paket unduhan publik. Dengan demikian, klaim penggunaan lokal belum dapat diuji secara luas.
Manfaat Teknologi AI Suara Full-Duplex dalam Aktivitas Digital
Fitur komunikasi full-duplex dapat menjadi dasar pengembangan berbagai layanan digital yang mengandalkan interaksi suara langsung. Salah satu bidang yang relevan adalah sistem customer service otomatis. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan mendengarkan ketika sedang berbicara membantu mempertahankan alur interaksi. Sebagai contoh, pelanggan yang ingin mengoreksi informasi berpeluang memberikan masukan secara langsung. Fungsi komunikasi tersebut menarik untuk dikembangkan pada sistem dukungan pelanggan. Walaupun konsepnya relevan, Block belum mengumumkan integrasi komersial Dessa secara luas.
Selain layanan pelanggan, Dessa juga berpotensi menginspirasi asisten virtual, platform latihan percakapan, dan aplikasi yang mengandalkan dialog langsung. Pada penggunaan pendidikan, AI yang dapat merespons interupsi berpotensi menciptakan pengalaman latihan lebih realistis. Untuk kebutuhan aksesibilitas, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Walaupun manfaat potensialnya luas, kemampuan memahami aksen harus dinilai melalui evaluasi pengguna yang beragam. Pengelolaan keamanan penggunaan suara juga membutuhkan perhatian khusus sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Kehadiran model AI suara Dessa menjadi perkembangan menarik dalam penelitian model suara generatif. Melalui pemrosesan audio secara langsung, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Pendekatan audio sebagai dasar pelatihan menjadi unsur pembeda dibandingkan sejumlah asisten virtual tradisional. Selain itu, dukungan variasi intonasi membuka kemungkinan pengalaman komunikasi yang lebih hidup. Meskipun teknologi tersebut menjanjikan, Dessa tetap membutuhkan evaluasi independen yang lebih luas. Keamanan interaksi dan keandalan pada situasi nyata harus dikaji sebelum penerapan komersial. Dengan penelitian berkelanjutan, teknologi AI suara dapat memperluas fungsi asisten virtual. Bagaimana menurut Anda kemampuan AI yang menghasilkan respons suara dengan intonasi alami? Bagikan pandangan Anda mengenai pengembangan asisten virtual generasi baru.
