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 teknologi kecerdasan buatan yang berfokus pada komunikasi lisan. Proyek penelitian tersebut bertujuan menghadirkan interaksi antara manusia dan mesin yang terasa semakin alami. Berbeda dari sejumlah sistem terdahulu, Dessa memproses masukan dan keluaran dalam bentuk suara. Rancangan sistem tersebut menempatkan fokus utama pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Menurut penjelasan pengembang, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa menggunakan teks sebagai data pelatihan. Strategi tersebut menjadi pembeda utama dalam pengembangan model suara.
Model suara ini merupakan hasil penelitian laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Tim tersebut mengembangkan pendekatan komunikasi audio yang responsif. Melalui demonstrasi yang dipublikasikan, Dessa memperlihatkan kemampuan merespons secara ekspresif. Beberapa contoh memperlihatkan reaksi dengan perubahan volume ketika interaksi berlangsung secara spontan. Namun demikian, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Karena alasan 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. Dalam komunikasi manusia, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Dalam situasi percakapan, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika pembicara masih menjelaskan sesuatu. Pola komunikasi seperti ini membuat percakapan terasa lebih hidup. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui pengelolaan masukan dan keluaran suara simultan. Melalui rancangan tersebut, pengguna dapat menyela ketika AI berbicara tanpa harus menunggu giliran secara kaku.
Pada banyak sistem percakapan terdahulu, proses interaksi sering dibagi menjadi beberapa tahap. Ucapan yang diterima sistem diproses melalui pengenalan ucapan, kemudian diteruskan menuju model bahasa. Sesudah sistem menyusun keluaran, teks tersebut dikonversi menjadi suara. Pendekatan tersebut dapat bekerja dengan baik untuk berbagai tugas, tetapi dapat mengurangi sebagian konteks ekspresi suara. Sebaliknya, model Block mengutamakan audio langsung sehingga intonasi dan ritme dapat dipelajari langsung. Walaupun arsitekturnya menarik, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Pendekatan Speech-to-Speech Membentuk Kemampuan Berbicara Alami
Block menjelaskan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa memanfaatkan teks sebagai dasar pembelajaran. Metode pembelajaran ini memberikan karakteristik khusus dibandingkan model konvensional karena suara menjadi sumber utama informasi. Dengan menggunakan rekaman manusia, Dessa diharapkan mampu mempelajari pola intonasi serta menentukan waktu yang sesuai untuk menyela. Karakteristik tersebut menjadi bagian mendasar dalam menghasilkan respons suara lebih ekspresif. Walaupun metode pelatihannya telah dijelaskan, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga representasi berbagai aksen masih memerlukan evaluasi.
Salah satu aspek menarik adalah dukungan terhadap variasi penyampaian verbal. Dalam komunikasi manusia, makna tidak hanya berasal dari pilihan kata. Untuk memberikan gambaran, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui pemrosesan informasi prosodi. Dalam demonstrasi publik, sistem menunjukkan tawa spontan. Perlu dipahami, suara emosional tidak membuktikan AI memiliki perasaan. Dengan demikian, penilaian kemampuan Dessa perlu membedakan ekspresi suara dan pemahaman sebenarnya.
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 dilatih menggunakan satu sistem NVIDIA GB200 NVL72. 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. Dalam pemaparan proyek, perusahaan menjelaskan bahwa inferensi Dessa mendukung pemrosesan yang melampaui kecepatan real-time. Namun demikian, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
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. Jika sistem benar-benar dijalankan secara lokal, audio tidak harus dikirim menuju server eksternal. Pendekatan tersebut 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, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.
Manfaat Teknologi AI Suara Full-Duplex dalam Aktivitas Digital
Fitur komunikasi full-duplex berpotensi digunakan dalam berbagai layanan digital yang mengandalkan interaksi suara langsung. Sektor yang dapat memperoleh manfaat adalah layanan pelanggan berbasis suara. Dalam layanan tersebut, kemampuan menerima interupsi pengguna membantu mempertahankan alur interaksi. Sebagai contoh, pelanggan yang hendak menyela jawaban tidak harus selalu menunggu AI selesai berbicara. Fungsi komunikasi tersebut memiliki nilai praktis potensial pada layanan bisnis dan komunikasi. Meski penerapannya menjanjikan, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.
Di luar kebutuhan komunikasi bisnis, Dessa membuka peluang pengembangan asisten virtual, platform latihan percakapan, dan sistem bantuan berbicara. Ketika seseorang berlatih komunikasi lisan, AI yang dapat merespons interupsi dapat membantu membangun simulasi percakapan. Pada sisi lain, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Meski demikian, keandalan pengenalan bahasa belum dapat disimpulkan dari rekaman demonstrasi. Aspek keselamatan dan privasi juga harus menjadi bagian dari rancangan sebelum sistem digunakan secara komersial.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Perkenalan Dessa oleh Block memperlihatkan arah inovasi baru dalam penelitian model suara generatif. Melalui pemrosesan audio secara langsung, Dessa memiliki kemampuan menjalankan komunikasi full-duplex. Pendekatan audio sebagai dasar pelatihan memberikan karakteristik yang berbeda dibandingkan sejumlah asisten virtual tradisional. Selain itu, dukungan variasi intonasi dapat meningkatkan kenyamanan percakapan. Walaupun demikian, Dessa masih berada pada tahap penelitian terbatas. Keamanan interaksi dan ketersediaan perangkat lunak harus dikaji sebelum penerapan komersial. Berkat evaluasi lebih mendalam, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Seberapa menarik menurut Anda kemampuan AI yang menghasilkan respons suara dengan intonasi alami? Silakan bagikan pendapat Anda mengenai masa depan AI suara full-duplex.
