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
Tim penelitian kecerdasan buatan Block menghadirkan Dessa sebagai sistem percakapan berbasis audio. Inovasi terbaru ini 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. Pendekatan tersebut menempatkan fokus utama pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Dalam pengumuman proyeknya, Dessa mengandalkan pelatihan berbasis suara manusia tanpa menggunakan teks sebagai data pelatihan. Pendekatan pembelajaran tersebut menjadi pembeda utama dalam industri kecerdasan buatan generatif.
Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Kelompok peneliti ini berfokus pada kemampuan percakapan langsung. Berdasarkan rekaman pengujian yang ditampilkan, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi memperlihatkan reaksi dengan perubahan volume ketika interaksi berlangsung secara spontan. Meskipun kemampuan yang ditampilkan menjanjikan, contoh pilihan pengembang belum membuktikan keandalan dalam semua situasi. Dengan mempertimbangkan hal tersebut, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.
Keunggulan Model Suara Full-Duplex Dibandingkan Asisten Virtual Biasa
Karakteristik penting Dessa adalah pemrosesan percakapan dua arah secara simultan. Pada interaksi lisan sehari-hari, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Dalam situasi percakapan, pendengar bisa mengatakan kata persetujuan ketika pembicara masih menjelaskan sesuatu. Kemampuan tersebut membuat percakapan terasa lebih hidup. Model AI ini berupaya menghadirkan pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Melalui rancangan tersebut, pengguna dapat menyela ketika AI berbicara tanpa harus menunggu giliran secara kaku.
Dalam asisten suara tradisional, proses interaksi sering dibagi menjadi beberapa tahap. Ucapan yang diterima sistem diproses melalui pengenalan ucapan, kemudian diteruskan menuju model bahasa. Setelah respons tersedia, teks tersebut diubah menjadi ucapan sintetis. Arsitektur bertahap ini telah mendukung banyak aplikasi praktis, tetapi tidak selalu mempertahankan seluruh nuansa audio. Dalam pengembangannya, Dessa tidak mengandalkan tahapan teks tersebut sehingga intonasi dan ritme dapat dipelajari langsung. Walaupun arsitekturnya menarik, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.
Pendekatan Speech-to-Speech Membentuk Kemampuan Berbicara Alami
Block menjelaskan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Strategi pengembangan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena suara menjadi sumber utama informasi. Melalui pembelajaran dari dialog lisan, Dessa diharapkan mampu mempelajari pola intonasi serta mempelajari pola pergantian pembicara. Kemampuan yang ditargetkan memiliki peranan penting dalam menciptakan dialog yang terdengar alami. Meski pendekatan penelitian diumumkan, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.
Keunggulan potensial dari pendekatan tersebut adalah pemrosesan karakter emosional dalam dialog. Pada percakapan sehari-hari, perubahan nada dapat memberikan konteks tambahan. Dalam suatu percakapan, kalimat yang sama dapat terdengar gembira atau kecewa. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui analisis pola ekspresi audio. Dalam demonstrasi publik, sistem menghasilkan perubahan nada yang ekspresif. Meski demikian, suara emosional tidak membuktikan AI memiliki perasaan. Dengan demikian, penilaian kemampuan Dessa harus mempertimbangkan kealamian vokal dan keandalan informasi secara terpisah.
Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian
Tidak hanya menghadirkan komunikasi simultan, Block menjelaskan rancangan model yang relatif hemat sumber daya. Menurut perusahaan, Dessa memanfaatkan satu rak komputasi NVIDIA GB200 NVL72 untuk pelatihan. Sekalipun pelatihan dilakukan pada sistem berperforma tinggi, 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. Dalam pemaparan proyek, perusahaan menjelaskan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Meski kemampuan komputasinya menjanjikan, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Kemampuan menjalankan AI secara lokal menawarkan berbagai kemungkinan penggunaan. Keunggulan yang dapat diperoleh adalah berkurangnya ketergantungan terhadap layanan cloud. Jika sistem benar-benar dijalankan secara lokal, audio tidak harus dikirim menuju server eksternal. Metode pemrosesan lokal ini dapat mendukung kontrol privasi yang lebih baik. Tidak kalah penting, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Perlu diperhatikan, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, 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 mengandalkan interaksi suara langsung. Contoh penggunaan potensial adalah asisten percakapan untuk dukungan konsumen. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan menyesuaikan giliran percakapan secara dinamis dapat membuat komunikasi terasa lebih fleksibel. Untuk memberikan gambaran, pelanggan yang perlu menambahkan keterangan tidak harus selalu menunggu AI selesai berbicara. Pendekatan semacam itu memiliki nilai praktis potensial pada sistem dukungan pelanggan. Namun demikian, 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 dapat membantu membangun simulasi percakapan. Untuk kebutuhan aksesibilitas, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Namun demikian, kemampuan memahami aksen belum dapat disimpulkan dari rekaman demonstrasi. Pengelolaan keamanan penggunaan suara juga perlu diprioritaskan sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Pengembangan sistem percakapan full-duplex dari Block membawa kemajuan penting dalam penelitian model suara generatif. Dengan menggunakan pendekatan speech-to-speech, Dessa dirancang untuk mendengar dan berbicara bersamaan. Pendekatan audio sebagai dasar pelatihan menjadi unsur pembeda dibandingkan banyak sistem percakapan berbasis transkripsi. Di samping keunikan arsitekturnya, kemampuan ekspresi suara berpotensi membuat dialog lebih alami. Meski demonstrasinya menunjukkan potensi, Dessa belum tersedia secara umum. Keamanan interaksi dan keandalan pada situasi nyata menjadi aspek yang perlu diperhatikan. Dengan penelitian berkelanjutan, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Apa pandangan Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Sampaikan pemikiran Anda mengenai masa depan AI suara full-duplex.
