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.
Kehadiran Dessa Membuka Pendekatan Baru dalam Interaksi Manusia dan AI
Block resmi memperkenalkan Dessa sebagai teknologi kecerdasan buatan yang berfokus pada komunikasi lisan. Proyek penelitian tersebut dikembangkan untuk mendukung interaksi antara manusia dan mesin yang mendekati cara manusia berbicara secara langsung. Tidak seperti banyak asisten suara konvensional, Dessa memproses masukan dan keluaran dalam bentuk suara. Metode pengembangan ini memberikan perhatian khusus pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Menurut penjelasan pengembang, Dessa mengandalkan pelatihan berbasis suara manusia tanpa mengandalkan model bahasa pralatih. Pilihan arsitektur ini membuat proyek ini menarik perhatian dalam penelitian AI percakapan.
Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Tim tersebut memusatkan penelitian pada interaksi berbasis suara. Dalam sejumlah contoh percakapan resmi, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi menunjukkan penggunaan jeda dan ekspresi suara ketika interaksi berlangsung secara spontan. Meskipun kemampuan yang ditampilkan menjanjikan, contoh pilihan pengembang belum membuktikan keandalan dalam semua situasi. Dengan mempertimbangkan hal tersebut, Dessa masih perlu dievaluasi melalui pengujian lebih luas.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Salah satu kemampuan utama Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Ketika dua orang berbincang, seseorang dapat memberikan tanggapan singkat saat orang lain berbicara. Untuk memberikan gambaran, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika lawan bicara belum menyelesaikan kalimat. Karakteristik interaksi tersebut membantu menjaga kesinambungan dialog. Dessa dirancang untuk meniru pola interaksi semacam itu melalui mekanisme percakapan yang tidak sepenuhnya bergantian. Dengan demikian, pengguna memiliki kesempatan menginterupsi respons sistem tanpa selalu menunggu proses respons berakhir.
Ketika menggunakan pendekatan komunikasi berurutan, proses interaksi dapat melibatkan sejumlah komponen berbeda. Audio pengguna diproses melalui pengenalan ucapan, kemudian digunakan sebagai masukan untuk menghasilkan jawaban. Sesudah sistem menyusun keluaran, teks tersebut dikonversi menjadi suara. Pendekatan tersebut dapat bekerja dengan baik untuk berbagai tugas, tetapi berpotensi kehilangan informasi prosodi. Dessa menggunakan pendekatan berbeda sehingga karakteristik percakapan lisan menjadi dasar pembelajaran. Walaupun arsitekturnya menarik, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Dessa Dilatih Menggunakan Percakapan Manusia Tanpa Teks
Tim pengembang menyampaikan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa mengandalkan tahapan pelatihan berbasis tulisan. Pendekatan tersebut mencerminkan arah penelitian yang tidak umum karena interaksi audio menjadi bahan pembelajaran inti. Dengan menggunakan rekaman manusia, Dessa dirancang memahami perubahan ritme percakapan serta mengenali kapan perlu merespons. Karakteristik tersebut menjadi bagian mendasar dalam menghasilkan respons suara lebih ekspresif. Namun demikian, Block belum mempublikasikan rincian lengkap dataset sehingga representasi berbagai aksen masih memerlukan evaluasi.
Salah satu aspek menarik adalah kemampuan menghasilkan ekspresi suara. Ketika seseorang menyampaikan pesan, makna tidak hanya berasal dari pilihan kata. Sebagai contoh, kalimat yang sama dapat terdengar gembira atau kecewa. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui analisis pola ekspresi audio. Dalam demonstrasi publik, sistem menghasilkan perubahan nada yang ekspresif. Perlu dipahami, kemampuan meniru emosi tidak sama dengan merasakan emosi. Oleh karena itu, penilaian kemampuan Dessa perlu membedakan ekspresi suara dan pemahaman sebenarnya.
Dessa Dapat Berjalan Secara Lokal pada Perangkat Komputer Tertentu
Selain kemampuan full-duplex, Block menjelaskan rancangan model yang relatif hemat sumber daya. Dalam informasi teknis yang diumumkan, Dessa dikembangkan melalui infrastruktur pelatihan NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut dirancang mendukung inferensi lokal di komputer berkemampuan tinggi. Contoh perangkat yang disebutkan adalah MacBook Pro dengan chip M4 Max atau perangkat yang memiliki kemampuan lebih tinggi. Dalam pemaparan proyek, perusahaan menjelaskan bahwa inferensi Dessa mendukung pemrosesan yang melampaui kecepatan real-time. Namun demikian, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Dukungan inferensi pada perangkat pengguna menawarkan berbagai kemungkinan penggunaan. Keunggulan yang dapat diperoleh adalah kebutuhan koneksi server yang lebih sedikit. Pada penerapan yang sesuai, data suara dapat diproses di perangkat pengguna. Metode pemrosesan lokal ini berpotensi membantu pengelolaan informasi pribadi. Selain itu, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Namun demikian, akses terhadap perangkat lunak masih terbatas. Oleh sebab itu, klaim penggunaan lokal belum dapat diuji secara luas.
Potensi Penerapan Model Percakapan Alami di Berbagai Industri
Kemampuan mendengar dan berbicara bersamaan dapat menjadi dasar pengembangan berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Sektor yang dapat memperoleh manfaat adalah sistem customer service otomatis. Pada interaksi pelayanan otomatis, kemampuan mendengarkan ketika sedang berbicara membantu mempertahankan alur interaksi. Dalam skenario pelayanan, pelanggan yang ingin mengoreksi informasi dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Kemampuan ini memiliki nilai praktis potensial pada layanan bisnis dan komunikasi. Namun demikian, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.
Di luar kebutuhan komunikasi bisnis, Dessa juga berpotensi menginspirasi asisten virtual, layanan pendidikan berbasis suara, dan sistem bantuan berbicara. Pada penggunaan pendidikan, AI yang dapat merespons interupsi memungkinkan interaksi yang lebih mendekati dialog manusia. Pada sisi lain, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Meski demikian, keandalan pengenalan bahasa masih memerlukan pengujian lebih lanjut. Perlindungan informasi percakapan juga harus menjadi bagian dari rancangan sebelum teknologi diterapkan pada layanan penting.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Pengembangan sistem percakapan full-duplex dari Block menjadi perkembangan menarik dalam penelitian model suara generatif. Melalui pemrosesan audio secara langsung, Dessa dirancang untuk mendengar dan berbicara bersamaan. Pendekatan audio sebagai dasar pelatihan menjadi unsur pembeda dibandingkan banyak sistem percakapan berbasis transkripsi. Tidak hanya menawarkan interaksi simultan, kemampuan ekspresi suara berpotensi membuat dialog lebih alami. Meskipun teknologi tersebut menjanjikan, Dessa masih berada pada tahap penelitian terbatas. Keakuratan jawaban dan keandalan pada situasi nyata menjadi aspek yang perlu diperhatikan. Berkat evaluasi lebih mendalam, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Bagaimana menurut Anda kemampuan AI yang mampu memahami interupsi dalam percakapan? Sampaikan pemikiran Anda mengenai masa depan AI suara full-duplex.
