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 model AI suara eksperimental. Pengembangan tersebut dirancang menciptakan interaksi antara manusia dan mesin yang terasa semakin alami. Tidak seperti banyak asisten suara konvensional, Dessa menggunakan audio sebagai dasar interaksi. Metode pengembangan ini memberikan perhatian khusus pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Menurut penjelasan pengembang, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa memanfaatkan fondasi model berbasis teks. Strategi tersebut menjadi pembeda utama dalam industri kecerdasan buatan generatif.
Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Kelompok peneliti ini berfokus pada kemampuan percakapan langsung. Melalui demonstrasi yang dipublikasikan, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi menampilkan respons berupa tawa ketika pembicara memberikan tanggapan tertentu. Namun demikian, rekaman demonstrasi tidak menggantikan pengujian independen. Oleh sebab itu, Dessa belum dapat dinilai sepenuhnya hanya berdasarkan demonstrasi publik.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Fitur yang paling menonjol Dessa adalah dukungan komunikasi full-duplex. Dalam komunikasi manusia, seseorang dapat memberikan tanggapan singkat saat orang lain berbicara. Sebagai contoh, pendengar dapat memberikan respons singkat ketika pembicara masih menjelaskan sesuatu. Karakteristik interaksi tersebut memberikan kesan komunikasi yang lebih responsif. Dessa dirancang untuk meniru pola interaksi semacam itu melalui pengelolaan masukan dan keluaran suara simultan. Melalui rancangan tersebut, pengguna dapat menyela ketika AI berbicara tanpa mengikuti pola komunikasi satu arah.
Pada banyak sistem percakapan terdahulu, proses interaksi sering dibagi menjadi beberapa tahap. Audio pengguna diubah menjadi teks, kemudian digunakan sebagai masukan untuk menghasilkan jawaban. Ketika jawaban berhasil dibuat, teks tersebut diubah menjadi ucapan sintetis. Metode pemrosesan berurutan dapat bekerja dengan baik untuk berbagai tugas, tetapi tidak selalu mempertahankan seluruh nuansa audio. Dessa menggunakan pendekatan berbeda sehingga intonasi dan ritme dapat dipelajari langsung. Namun perlu diperhatikan, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa
Menurut informasi perusahaan, Dessa dibangun melalui pelatihan berbasis rekaman dialog tanpa mengandalkan tahapan pelatihan berbasis tulisan. Strategi pengembangan tersebut berbeda dari banyak sistem AI suara karena suara menjadi sumber utama informasi. Dengan menggunakan rekaman manusia, Dessa diharapkan mampu mempelajari pola intonasi serta mempelajari pola pergantian pembicara. Kemampuan yang ditargetkan mendukung pengembangan dalam membangun pengalaman percakapan yang tidak kaku. Namun demikian, Block belum mempublikasikan rincian lengkap dataset sehingga representasi berbagai aksen masih memerlukan evaluasi.
Salah satu aspek menarik adalah dukungan terhadap variasi penyampaian verbal. Pada percakapan sehari-hari, perubahan nada dapat memberikan konteks tambahan. Untuk memberikan gambaran, kalimat yang sama dapat terdengar gembira atau kecewa. Sistem AI tersebut berupaya mempelajari karakteristik tersebut melalui analisis pola ekspresi audio. Melalui contoh rekaman yang dibagikan, sistem memperlihatkan variasi ritme dan volume. Walaupun terdengar ekspresif, kemampuan meniru emosi tidak sama dengan merasakan emosi. Karena alasan tersebut, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian
Selain kemampuan full-duplex, Block menyoroti efisiensi komputasi. Dalam informasi teknis yang diumumkan, Dessa dikembangkan melalui infrastruktur pelatihan NVIDIA GB200 NVL72. Sekalipun pelatihan dilakukan pada sistem berperforma tinggi, model tersebut dirancang mendukung inferensi lokal di komputer berkemampuan tinggi. Perangkat keras yang dijadikan referensi adalah MacBook Pro dengan chip M4 Max atau perangkat yang memiliki kemampuan lebih tinggi. Block juga menyatakan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Walaupun klaim tersebut menarik, angka latensi terukur belum tersedia secara lengkap.
Kemampuan menjalankan AI secara lokal dapat memberikan fleksibilitas tambahan. Salah satunya adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Dalam skenario tertentu, data suara dapat diproses di perangkat pengguna. Pendekatan tersebut dapat mendukung kontrol privasi yang lebih baik. Selain itu, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Perlu diperhatikan, akses terhadap perangkat lunak masih terbatas. Karena alasan tersebut, manfaat implementasi nyata masih perlu dibuktikan.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Kemampuan mendengar dan berbicara bersamaan berpotensi digunakan dalam berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Contoh penggunaan potensial adalah asisten percakapan untuk dukungan konsumen. Dalam layanan tersebut, kemampuan mendengarkan ketika sedang berbicara membantu mempertahankan alur interaksi. Untuk memberikan gambaran, pelanggan yang ingin mengoreksi informasi berpeluang memberikan masukan secara langsung. Kemampuan ini memiliki nilai praktis potensial pada pengembangan antarmuka suara. Walaupun konsepnya relevan, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.
Selain layanan pelanggan, Dessa membuka peluang pengembangan asisten virtual, aplikasi pembelajaran interaktif, dan perangkat pendamping digital. Pada penggunaan pendidikan, AI yang dapat merespons interupsi berpotensi menciptakan pengalaman latihan lebih realistis. Pada sisi lain, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Meski demikian, kemampuan memahami aksen masih memerlukan pengujian lebih lanjut. Pengelolaan keamanan penggunaan suara juga perlu diprioritaskan sebelum sistem digunakan secara komersial.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Pengembangan sistem percakapan full-duplex dari Block menjadi perkembangan menarik dalam dunia TEKNOLOGI kecerdasan buatan. Melalui pemrosesan audio secara langsung, Dessa dirancang untuk mendengar dan berbicara bersamaan. Pelatihan berbasis rekaman manusia menjadi unsur pembeda dibandingkan sejumlah asisten virtual tradisional. Selain itu, kemampuan ekspresi suara dapat meningkatkan kenyamanan percakapan. Meski demonstrasinya menunjukkan potensi, Dessa belum tersedia secara umum. Keamanan interaksi dan ketersediaan perangkat lunak menjadi aspek yang perlu diperhatikan. Melalui pengembangan yang bertanggung jawab, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Apa pandangan Anda kemampuan AI yang mampu memahami interupsi dalam percakapan? Sampaikan pemikiran Anda mengenai masa depan AI suara full-duplex.
