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 sistem percakapan berbasis audio. Proyek penelitian tersebut dikembangkan untuk mendukung interaksi antara manusia dan mesin yang mendekati cara manusia berbicara secara langsung. Berbeda dari sejumlah sistem terdahulu, Dessa memproses masukan dan keluaran dalam bentuk suara. Metode pengembangan ini memprioritaskan kemampuan pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Menurut penjelasan pengembang, Dessa dilatih menggunakan rekaman percakapan manusia tanpa memanfaatkan fondasi model berbasis teks. Pendekatan pembelajaran tersebut membuat proyek ini menarik perhatian dalam penelitian AI percakapan.
Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang berada di bawah arahan Ragavan Thurairatnam. Tim tersebut berfokus pada kemampuan percakapan langsung. Dalam sejumlah contoh percakapan resmi, Dessa menunjukkan variasi intonasi dan jeda. Rekaman percakapan tersebut menunjukkan penggunaan jeda dan ekspresi suara ketika situasi percakapan berubah. Walaupun demonstrasinya menarik, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Karena alasan tersebut, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Karakteristik penting Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Pada interaksi lisan sehari-hari, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Dalam situasi percakapan, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika lawan bicara belum menyelesaikan kalimat. Pola komunikasi seperti ini membuat percakapan terasa lebih hidup. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Berkat pendekatan full-duplex, pengguna bisa memberikan masukan sebelum jawaban selesai tanpa harus menunggu giliran secara kaku.
Pada banyak sistem percakapan terdahulu, proses interaksi biasanya berlangsung melalui rangkaian pemrosesan terpisah. Masukan suara manusia diubah menjadi teks, kemudian dianalisis oleh sistem pemrosesan teks. Setelah respons tersedia, teks tersebut diproses oleh teknologi text-to-speech. Arsitektur bertahap ini dapat bekerja dengan baik untuk berbagai tugas, tetapi berpotensi kehilangan informasi prosodi. Dalam pengembangannya, Dessa tidak mengandalkan tahapan teks tersebut sehingga karakteristik percakapan lisan menjadi dasar pembelajaran. Meski demikian, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa
Menurut informasi perusahaan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Metode pembelajaran ini 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 memiliki peranan penting dalam membangun pengalaman percakapan yang tidak kaku. Namun demikian, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga representasi berbagai aksen masih memerlukan evaluasi.
Salah satu aspek menarik adalah pemrosesan karakter emosional dalam dialog. Ketika seseorang menyampaikan pesan, makna tidak hanya berasal dari pilihan kata. Untuk memberikan gambaran, kalimat yang sama dapat terdengar gembira atau kecewa. Sistem AI tersebut berupaya mempelajari karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Melalui contoh rekaman yang dibagikan, sistem memperlihatkan variasi ritme dan volume. Perlu dipahami, kemampuan meniru emosi tidak sama dengan merasakan emosi. Karena alasan tersebut, penilaian kemampuan Dessa perlu membedakan ekspresi suara dan pemahaman sebenarnya.
Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras
Selain kemampuan full-duplex, Block mengungkap kemampuan pemrosesan lokal. Menurut perusahaan, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut dirancang mendukung inferensi lokal di komputer berkemampuan tinggi. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau perangkat yang memiliki kemampuan lebih tinggi. Block juga menyatakan bahwa inferensi Dessa mendukung pemrosesan yang melampaui kecepatan real-time. Namun demikian, angka latensi terukur belum tersedia secara lengkap.
Pemrosesan kecerdasan buatan langsung di komputer memiliki sejumlah manfaat potensial. Manfaat yang mungkin muncul adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Pada penerapan yang sesuai, data suara dapat diproses di perangkat pengguna. Metode pemrosesan lokal ini berpotensi membantu pengelolaan informasi pribadi. Selain itu, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Walaupun potensinya besar, akses terhadap perangkat lunak masih terbatas. Karena alasan tersebut, manfaat implementasi nyata masih perlu dibuktikan.
Potensi Penerapan Model Percakapan Alami di Berbagai Industri
Pendekatan interaksi audio simultan berpotensi digunakan dalam berbagai layanan digital yang membutuhkan respons percakapan cepat. Contoh penggunaan potensial adalah layanan pelanggan berbasis suara. Pada interaksi pelayanan otomatis, kemampuan menyesuaikan giliran percakapan secara dinamis berpotensi mengurangi dialog yang kaku. Sebagai contoh, pelanggan yang perlu menambahkan keterangan dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Pendekatan semacam itu menarik untuk dikembangkan pada sistem dukungan pelanggan. Meski penerapannya menjanjikan, Block belum mengumumkan integrasi komersial Dessa secara luas.
Di luar kebutuhan komunikasi bisnis, Dessa dapat menjadi dasar penelitian asisten virtual, aplikasi pembelajaran interaktif, dan sistem bantuan berbicara. Pada penggunaan pendidikan, AI yang mampu menanggapi secara alami dapat membantu membangun simulasi percakapan. Untuk kebutuhan aksesibilitas, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Walaupun manfaat potensialnya luas, kemampuan memahami aksen harus dinilai melalui evaluasi pengguna yang beragam. Perlindungan informasi percakapan juga perlu diprioritaskan sebelum sistem digunakan secara komersial.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Pengembangan sistem percakapan full-duplex dari Block membawa kemajuan penting dalam penelitian model suara generatif. Berkat arsitektur percakapan berbasis suara, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Metode pembelajaran tanpa data teks memberikan karakteristik yang berbeda dibandingkan banyak sistem percakapan berbasis transkripsi. Selain itu, penggunaan jeda dan respons vokal dapat meningkatkan kenyamanan percakapan. Meskipun teknologi tersebut menjanjikan, Dessa belum tersedia secara umum. Keamanan interaksi dan perlindungan privasi masih memerlukan pengujian. Melalui pengembangan yang bertanggung jawab, teknologi AI suara dapat memperluas fungsi asisten virtual. Bagaimana menurut Anda kemampuan AI yang mampu memahami interupsi dalam percakapan? Bagikan pandangan Anda mengenai masa depan AI suara full-duplex.
