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.
Block Memperkenalkan Dessa sebagai Model AI Percakapan Suara Generasi Baru
Block resmi memperkenalkan Dessa sebagai sistem percakapan berbasis audio. Pengembangan tersebut dikembangkan untuk mendukung interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Tidak seperti banyak asisten suara konvensional, Dessa dibangun untuk memahami serta menghasilkan percakapan lisan. Pendekatan tersebut menempatkan fokus utama pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Menurut penjelasan pengembang, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa menggunakan teks sebagai data pelatihan. Pilihan arsitektur ini menjadi pembeda utama dalam pengembangan model suara.
Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Kelompok peneliti ini memusatkan penelitian pada interaksi berbasis suara. Dalam sejumlah contoh percakapan resmi, Dessa memperlihatkan kemampuan merespons secara ekspresif. Sejumlah demonstrasi menampilkan respons berupa tawa 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.
Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara
Salah satu kemampuan utama Dessa adalah pemrosesan percakapan dua arah secara simultan. Pada interaksi lisan sehari-hari, seseorang dapat memberikan tanggapan singkat saat orang lain berbicara. Dalam situasi percakapan, pendengar bisa mengatakan kata persetujuan ketika orang lain sedang menyampaikan informasi. Kemampuan tersebut membantu menjaga kesinambungan dialog. 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 mengikuti pola komunikasi satu arah.
Pada banyak sistem percakapan terdahulu, proses interaksi sering dibagi menjadi beberapa tahap. Audio pengguna ditranskripsikan menjadi tulisan, kemudian diteruskan menuju model bahasa. 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. Dalam pengembangannya, Dessa tidak mengandalkan tahapan teks tersebut sehingga intonasi dan ritme dapat dipelajari langsung. Meski demikian, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Dessa Dilatih Menggunakan Percakapan Manusia Tanpa Teks
Menurut informasi perusahaan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa memanfaatkan teks sebagai dasar pembelajaran. Pendekatan tersebut mencerminkan arah penelitian yang tidak umum karena model memperoleh pola percakapan melalui ucapan. Dengan menggunakan rekaman manusia, Dessa dirancang memahami perubahan ritme percakapan serta menentukan waktu yang sesuai untuk menyela. Kemampuan yang ditargetkan memiliki peranan penting dalam membangun pengalaman percakapan yang tidak kaku. Namun demikian, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.
Salah satu aspek menarik adalah pemrosesan karakter emosional dalam dialog. Dalam komunikasi manusia, makna tidak hanya berasal dari pilihan kata. Untuk memberikan gambaran, kalimat yang sama bisa memiliki kesan berbeda berdasarkan intonasi. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui pemrosesan informasi prosodi. Dalam demonstrasi publik, sistem memperlihatkan variasi ritme dan volume. Perlu dipahami, ekspresi vokal bukan bukti adanya pengalaman emosional. Karena alasan tersebut, penilaian kemampuan Dessa harus mempertimbangkan kealamian vokal dan keandalan informasi secara terpisah.
Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian
Selain kemampuan full-duplex, Block menjelaskan rancangan model yang relatif hemat sumber daya. Berdasarkan klaim pengembang, Dessa memanfaatkan satu rak komputasi NVIDIA GB200 NVL72 untuk pelatihan. Sekalipun pelatihan dilakukan pada sistem berperforma tinggi, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. Perangkat keras yang dijadikan referensi adalah MacBook Pro dengan chip M4 Max atau sistem lain yang memenuhi kebutuhan pemrosesan. Block juga menyatakan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Meski kemampuan komputasinya menjanjikan, angka latensi terukur belum tersedia secara lengkap.
Kemampuan menjalankan AI secara lokal dapat memberikan fleksibilitas tambahan. Salah satunya adalah berkurangnya ketergantungan terhadap layanan cloud. Pada penerapan yang sesuai, data suara dapat diproses di perangkat pengguna. Metode pemrosesan lokal ini memberikan pilihan pengolahan data yang lebih mandiri. Sebagai manfaat tambahan, perangkat lokal berpotensi mempertahankan layanan ketika koneksi terbatas. Perlu diperhatikan, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, klaim penggunaan lokal belum dapat diuji secara luas.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Pendekatan interaksi audio simultan membuka peluang penerapan pada berbagai layanan digital yang mengandalkan interaksi suara langsung. Sektor yang dapat memperoleh manfaat adalah layanan pelanggan berbasis suara. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan menerima interupsi pengguna membantu mempertahankan alur interaksi. Sebagai contoh, pelanggan yang perlu menambahkan keterangan berpeluang memberikan masukan secara langsung. Pendekatan semacam itu menarik untuk dikembangkan pada layanan bisnis dan komunikasi. Meski penerapannya menjanjikan, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.
Selain layanan pelanggan, Dessa dapat menjadi dasar penelitian asisten virtual, platform latihan percakapan, dan perangkat pendamping digital. Ketika seseorang berlatih komunikasi lisan, AI yang mampu menanggapi secara alami berpotensi menciptakan pengalaman latihan lebih realistis. Untuk kebutuhan aksesibilitas, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Namun demikian, keandalan pengenalan bahasa masih memerlukan pengujian lebih lanjut. Perlindungan informasi percakapan juga membutuhkan perhatian khusus sebelum teknologi diterapkan pada layanan penting.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Pengembangan sistem percakapan full-duplex dari Block membawa kemajuan penting dalam penelitian model suara generatif. Melalui pemrosesan audio secara langsung, Dessa memiliki kemampuan menjalankan komunikasi full-duplex. Metode pembelajaran tanpa data teks memberikan karakteristik yang berbeda dibandingkan pendekatan yang mengutamakan pemrosesan teks. Tidak hanya menawarkan interaksi simultan, kemampuan ekspresi suara berpotensi membuat dialog lebih alami. Meskipun teknologi tersebut menjanjikan, Dessa belum tersedia secara umum. Kesesuaian penggunaan lintas bahasa dan keandalan pada situasi nyata harus dikaji sebelum penerapan komersial. Melalui pengembangan yang bertanggung jawab, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Seberapa menarik menurut Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Sampaikan pemikiran Anda mengenai masa depan AI suara full-duplex.
