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 teknologi kecerdasan buatan yang berfokus pada komunikasi lisan. Proyek penelitian tersebut dirancang menciptakan 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. Rancangan sistem tersebut menempatkan fokus utama pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Menurut penjelasan pengembang, Dessa dilatih menggunakan rekaman percakapan manusia tanpa menggunakan teks sebagai data pelatihan. Strategi tersebut menjadi pembeda utama dalam pengembangan model suara.
Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Kelompok peneliti ini memusatkan penelitian pada interaksi berbasis suara. Berdasarkan rekaman pengujian yang ditampilkan, Dessa menghasilkan percakapan dengan perubahan nada yang dinamis. Rekaman percakapan tersebut menunjukkan penggunaan jeda dan ekspresi suara ketika situasi percakapan berubah. 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
Fitur yang paling menonjol Dessa adalah pemrosesan percakapan dua arah secara simultan. Pada interaksi lisan sehari-hari, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Untuk memberikan gambaran, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika pembicara masih menjelaskan sesuatu. Kemampuan tersebut membuat percakapan terasa lebih hidup. Dessa dirancang untuk meniru pola interaksi semacam itu melalui mekanisme percakapan yang tidak sepenuhnya bergantian. Berkat pendekatan full-duplex, pengguna bisa memberikan masukan sebelum jawaban selesai tanpa mengikuti pola komunikasi satu arah.
Ketika menggunakan pendekatan komunikasi berurutan, proses interaksi biasanya berlangsung melalui rangkaian pemrosesan terpisah. Ucapan yang diterima sistem diubah menjadi teks, 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. Sebaliknya, model Block mengutamakan audio langsung sehingga informasi suara menjadi bagian utama pemrosesan. Walaupun arsitekturnya menarik, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Dessa Dilatih Menggunakan Percakapan Manusia Tanpa Teks
Tim pengembang menyampaikan, Dessa dibangun melalui pelatihan berbasis rekaman dialog tanpa memanfaatkan teks sebagai dasar pembelajaran. Metode pembelajaran ini memberikan karakteristik khusus dibandingkan model konvensional karena interaksi audio menjadi bahan pembelajaran inti. Berkat pelatihan yang berpusat pada audio, Dessa dirancang memahami perubahan ritme percakapan serta mengenali kapan perlu merespons. Karakteristik tersebut 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.
Karakteristik lain yang menonjol adalah pemrosesan karakter emosional dalam dialog. Dalam komunikasi manusia, intonasi turut memengaruhi cara pesan diterima. Sebagai contoh, kalimat yang sama bisa memiliki kesan berbeda berdasarkan intonasi. Sistem AI tersebut berupaya mempelajari karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Dalam demonstrasi publik, sistem memperlihatkan variasi ritme dan volume. Perlu dipahami, kemampuan meniru emosi tidak sama dengan merasakan emosi. Oleh karena itu, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Dessa Dapat Berjalan Secara Lokal pada Perangkat Komputer Tertentu
Tidak hanya menghadirkan komunikasi simultan, Block mengungkap kemampuan pemrosesan lokal. Dalam informasi teknis yang diumumkan, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Meskipun proses pelatihannya membutuhkan akselerator kelas pusat data, model tersebut dirancang mendukung inferensi lokal di komputer berkemampuan tinggi. Perangkat keras yang dijadikan referensi adalah MacBook Pro dengan chip M4 Max atau sistem lain yang memenuhi kebutuhan pemrosesan. Dalam pemaparan proyek, perusahaan menjelaskan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Meski kemampuan komputasinya menjanjikan, pengujian independen masih diperlukan.
Pemrosesan kecerdasan buatan langsung di komputer dapat memberikan fleksibilitas tambahan. Keunggulan yang dapat diperoleh adalah kebutuhan koneksi server yang lebih sedikit. Pada penerapan yang sesuai, data suara dapat diproses di perangkat pengguna. Penggunaan sistem on-device memberikan pilihan pengolahan data yang lebih mandiri. Sebagai manfaat tambahan, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Perlu diperhatikan, Dessa belum tersedia sebagai paket unduhan publik. Dengan demikian, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.
Potensi Penerapan Model Percakapan Alami di Berbagai Industri
Pendekatan interaksi audio simultan dapat menjadi dasar pengembangan berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Sektor yang dapat memperoleh manfaat adalah asisten percakapan untuk dukungan konsumen. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan menyesuaikan giliran percakapan secara dinamis dapat membuat komunikasi terasa lebih fleksibel. Sebagai contoh, pelanggan yang perlu menambahkan keterangan berpeluang memberikan masukan secara langsung. Fungsi komunikasi tersebut memiliki nilai praktis potensial pada pengembangan antarmuka suara. Meski penerapannya menjanjikan, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.
Di luar kebutuhan komunikasi bisnis, Dessa dapat menjadi dasar penelitian asisten virtual, aplikasi pembelajaran interaktif, dan aplikasi yang mengandalkan dialog langsung. Ketika seseorang berlatih komunikasi lisan, AI yang mampu menanggapi secara alami dapat membantu membangun simulasi percakapan. Dalam pengembangan teknologi inklusif, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Walaupun manfaat potensialnya luas, kemampuan memahami aksen masih memerlukan pengujian lebih lanjut. Perlindungan informasi percakapan juga membutuhkan perhatian khusus sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Pengembangan sistem percakapan full-duplex dari Block menjadi perkembangan menarik dalam penelitian model suara generatif. Berkat arsitektur percakapan berbasis suara, Dessa dirancang untuk mendengar dan berbicara bersamaan. Pelatihan berbasis rekaman manusia menciptakan arah pengembangan tersendiri dibandingkan banyak sistem percakapan berbasis transkripsi. Tidak hanya menawarkan interaksi simultan, kemampuan ekspresi suara dapat meningkatkan kenyamanan percakapan. Meskipun teknologi tersebut menjanjikan, Dessa tetap membutuhkan evaluasi independen yang lebih luas. Kesesuaian penggunaan lintas bahasa dan keandalan pada situasi nyata harus dikaji sebelum penerapan komersial. Dengan penelitian berkelanjutan, teknologi AI suara berpeluang menghadirkan interaksi digital lebih fleksibel. Seberapa menarik menurut Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Bagikan pandangan Anda mengenai masa depan AI suara full-duplex.
