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
Tim penelitian kecerdasan buatan Block menghadirkan Dessa sebagai teknologi kecerdasan buatan yang berfokus pada komunikasi lisan. Inovasi terbaru ini dikembangkan untuk mendukung interaksi antara manusia dan mesin yang terasa semakin alami. Berbeda dari sejumlah sistem terdahulu, Dessa menggunakan audio sebagai dasar interaksi. Metode pengembangan ini memprioritaskan kemampuan pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Dalam pengumuman proyeknya, Dessa mengandalkan pelatihan berbasis suara manusia tanpa menggunakan teks sebagai data pelatihan. Strategi tersebut memberikan karakteristik tersendiri dalam pengembangan model suara.
Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang berada di bawah arahan Ragavan Thurairatnam. Kelompok peneliti ini berfokus pada kemampuan percakapan langsung. Berdasarkan rekaman pengujian yang ditampilkan, Dessa menghasilkan percakapan dengan perubahan nada yang dinamis. Rekaman percakapan tersebut menampilkan respons berupa tawa ketika pembicara memberikan tanggapan tertentu. Meskipun kemampuan yang ditampilkan menjanjikan, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Karena alasan tersebut, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.
Keunggulan Model Suara Full-Duplex Dibandingkan Asisten Virtual Biasa
Salah satu kemampuan utama Dessa adalah pemrosesan percakapan dua arah secara simultan. Dalam komunikasi manusia, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Sebagai contoh, pendengar dapat memberikan respons singkat ketika lawan bicara belum menyelesaikan kalimat. Kemampuan tersebut memberikan kesan komunikasi yang lebih responsif. 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.
Dalam asisten suara tradisional, proses interaksi dapat melibatkan sejumlah komponen berbeda. Ucapan yang diterima sistem diproses melalui pengenalan ucapan, kemudian dianalisis oleh sistem pemrosesan teks. Setelah respons tersedia, teks tersebut diproses oleh teknologi text-to-speech. Arsitektur bertahap ini masih berguna dalam sejumlah layanan, tetapi tidak selalu mempertahankan seluruh nuansa audio. Dalam pengembangannya, Dessa tidak mengandalkan tahapan teks tersebut sehingga karakteristik percakapan lisan menjadi dasar pembelajaran. Walaupun arsitekturnya menarik, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.
Dessa Dilatih Menggunakan Percakapan Manusia Tanpa Teks
Tim pengembang menyampaikan, Dessa dibangun melalui pelatihan berbasis rekaman dialog tanpa mengandalkan tahapan pelatihan berbasis tulisan. Pendekatan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena model memperoleh pola percakapan melalui ucapan. Melalui pembelajaran dari dialog lisan, Dessa dirancang memahami perubahan ritme percakapan serta menentukan waktu yang sesuai untuk menyela. Karakteristik tersebut menjadi bagian mendasar dalam menghasilkan respons suara lebih ekspresif. Meski pendekatan penelitian diumumkan, Block tidak merinci seluruh informasi data pelatihan 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. Sebagai contoh, kalimat yang sama dapat terdengar gembira atau kecewa. Sistem AI tersebut berupaya mempelajari karakteristik tersebut melalui analisis pola ekspresi audio. Pada percakapan yang diperlihatkan pengembang, sistem memperlihatkan variasi ritme dan volume. Walaupun terdengar ekspresif, kemampuan meniru emosi tidak sama dengan merasakan emosi. Dengan demikian, 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. Dalam informasi teknis yang diumumkan, 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 komputer dengan kapasitas komputasi setara atau lebih kuat. Block juga menyatakan bahwa inferensi Dessa mendukung pemrosesan yang melampaui kecepatan real-time. Meski kemampuan komputasinya menjanjikan, angka latensi terukur belum tersedia secara lengkap.
Kemampuan menjalankan AI secara lokal dapat memberikan fleksibilitas tambahan. Keunggulan yang dapat diperoleh adalah kebutuhan koneksi server yang lebih sedikit. Jika sistem benar-benar dijalankan secara lokal, sebagian informasi percakapan berpotensi tetap berada pada komputer. Pendekatan tersebut memberikan pilihan pengolahan data yang lebih mandiri. Tidak kalah penting, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Namun demikian, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, klaim penggunaan lokal belum dapat diuji secara luas.
Potensi Penerapan Model Percakapan Alami di Berbagai Industri
Kemampuan mendengar dan berbicara bersamaan berpotensi digunakan dalam berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Salah satu bidang yang relevan adalah layanan pelanggan berbasis suara. Dalam layanan tersebut, kemampuan mendengarkan ketika sedang berbicara dapat membuat komunikasi terasa lebih fleksibel. Sebagai contoh, pelanggan yang perlu menambahkan keterangan dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Fungsi komunikasi tersebut dapat menjadi bahan penelitian lanjutan pada pengembangan antarmuka suara. Namun demikian, Block belum mengumumkan integrasi komersial Dessa secara luas.
Selain layanan pelanggan, Dessa dapat menjadi dasar penelitian asisten virtual, layanan pendidikan berbasis suara, dan sistem bantuan berbicara. Ketika seseorang berlatih komunikasi lisan, AI yang mampu menanggapi secara alami berpotensi menciptakan pengalaman latihan lebih realistis. Pada sisi lain, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Meski demikian, keandalan pengenalan bahasa belum dapat disimpulkan dari rekaman demonstrasi. Pengelolaan keamanan penggunaan suara juga membutuhkan perhatian khusus sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Kesimpulan Inovasi Dessa dan Masa Depan Teknologi AI Suara
Kehadiran model AI suara Dessa memperlihatkan arah inovasi baru dalam dunia TEKNOLOGI kecerdasan buatan. Berkat arsitektur percakapan berbasis suara, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Pendekatan audio sebagai dasar pelatihan menciptakan arah pengembangan tersendiri dibandingkan banyak sistem percakapan berbasis transkripsi. Selain itu, kemampuan ekspresi suara berpotensi membuat dialog lebih alami. Walaupun demikian, Dessa tetap membutuhkan evaluasi independen yang lebih luas. Keamanan interaksi dan perlindungan privasi masih memerlukan pengujian. Dengan penelitian berkelanjutan, 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 pengembangan asisten virtual generasi baru.
