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
Perusahaan teknologi Block mengumumkan Dessa sebagai teknologi kecerdasan buatan yang berfokus pada komunikasi lisan. Pengembangan tersebut bertujuan menghadirkan interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Jika dibandingkan dengan pendekatan percakapan berbasis teks, Dessa dibangun untuk memahami serta menghasilkan percakapan lisan. Pendekatan tersebut memberikan perhatian khusus pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Berdasarkan keterangan perusahaan, Dessa dilatih menggunakan rekaman percakapan manusia tanpa menggunakan teks sebagai data pelatihan. Pendekatan pembelajaran tersebut menjadi pembeda utama dalam industri kecerdasan buatan generatif.
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. Dalam sejumlah contoh percakapan resmi, Dessa menghasilkan percakapan dengan perubahan nada yang dinamis. Sejumlah demonstrasi menunjukkan penggunaan jeda dan ekspresi suara ketika interaksi berlangsung secara spontan. Meskipun kemampuan yang ditampilkan menjanjikan, contoh pilihan pengembang belum membuktikan keandalan dalam semua situasi. Dengan mempertimbangkan hal tersebut, Dessa masih perlu dievaluasi melalui pengujian lebih luas.
Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara
Salah satu kemampuan utama Dessa adalah dukungan komunikasi full-duplex. Pada interaksi lisan sehari-hari, 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. Dessa dirancang untuk meniru pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Melalui rancangan tersebut, pengguna memiliki kesempatan menginterupsi respons sistem tanpa harus menunggu giliran secara kaku.
Dalam asisten suara tradisional, proses interaksi dapat melibatkan sejumlah komponen berbeda. Masukan suara manusia diubah menjadi teks, kemudian digunakan sebagai masukan untuk menghasilkan jawaban. Setelah respons tersedia, teks tersebut diproses oleh teknologi text-to-speech. Arsitektur bertahap ini dapat bekerja dengan baik untuk berbagai tugas, tetapi tidak selalu mempertahankan seluruh nuansa audio. Dessa menggunakan pendekatan berbeda 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 menggunakan model bahasa yang telah dilatih sebelumnya. Strategi pengembangan tersebut berbeda dari banyak sistem AI suara karena model memperoleh pola percakapan melalui ucapan. Berkat pelatihan yang berpusat pada audio, Dessa berupaya mengenali variasi nada serta mengenali kapan perlu merespons. Karakteristik tersebut memiliki peranan penting dalam menghasilkan respons suara lebih ekspresif. Walaupun metode pelatihannya telah dijelaskan, Block belum mempublikasikan rincian lengkap dataset sehingga representasi berbagai aksen masih memerlukan evaluasi.
Keunggulan potensial dari pendekatan tersebut adalah kemampuan menghasilkan ekspresi suara. Pada percakapan sehari-hari, perubahan nada dapat memberikan konteks tambahan. Dalam suatu percakapan, kalimat yang sama dapat terdengar gembira atau kecewa. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Pada percakapan yang diperlihatkan pengembang, sistem memperlihatkan variasi ritme dan volume. Perlu dipahami, suara emosional tidak membuktikan AI memiliki perasaan. Dengan demikian, penilaian kemampuan Dessa harus mempertimbangkan kealamian vokal dan keandalan informasi secara terpisah.
Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras
Tidak hanya menghadirkan komunikasi simultan, Block menyoroti efisiensi komputasi. Dalam informasi teknis yang diumumkan, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. Contoh perangkat yang disebutkan 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. Walaupun klaim tersebut menarik, angka latensi terukur belum tersedia secara lengkap.
Kemampuan menjalankan AI secara lokal menawarkan berbagai kemungkinan penggunaan. Keunggulan yang dapat diperoleh adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Dalam skenario tertentu, audio tidak harus dikirim menuju server eksternal. Pendekatan tersebut berpotensi membantu pengelolaan informasi pribadi. Sebagai manfaat tambahan, perangkat lokal berpotensi mempertahankan layanan ketika koneksi terbatas. Perlu diperhatikan, ketersediaan model untuk pengguna umum belum diumumkan. Karena alasan tersebut, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.
Potensi Penerapan Model Percakapan Alami di Berbagai Industri
Pendekatan interaksi audio simultan membuka peluang penerapan pada berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Contoh penggunaan potensial adalah layanan pelanggan berbasis suara. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan mendengarkan ketika sedang berbicara berpotensi mengurangi dialog yang kaku. Dalam skenario pelayanan, pelanggan yang perlu menambahkan keterangan tidak harus selalu menunggu AI selesai berbicara. Fungsi komunikasi tersebut menarik untuk dikembangkan pada pengembangan antarmuka suara. Namun demikian, Block belum mengumumkan integrasi komersial Dessa secara luas.
Selain layanan pelanggan, Dessa membuka peluang pengembangan asisten virtual, aplikasi pembelajaran interaktif, dan sistem bantuan berbicara. Dalam kegiatan belajar bahasa, AI yang mampu menanggapi secara alami dapat membantu membangun simulasi percakapan. Dalam pengembangan teknologi inklusif, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Meski demikian, kemampuan memahami aksen harus dinilai melalui evaluasi pengguna yang beragam. Perlindungan informasi percakapan juga membutuhkan perhatian khusus sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Perkenalan Dessa oleh Block menjadi perkembangan menarik dalam pengembangan komunikasi antara manusia dan mesin. Berkat arsitektur percakapan berbasis suara, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Pelatihan berbasis rekaman manusia memberikan karakteristik yang berbeda dibandingkan sejumlah asisten virtual tradisional. Tidak hanya menawarkan interaksi simultan, kemampuan ekspresi suara membuka kemungkinan pengalaman komunikasi yang lebih hidup. Meskipun teknologi tersebut menjanjikan, Dessa masih berada pada tahap penelitian terbatas. Keakuratan jawaban dan keandalan pada situasi nyata harus dikaji sebelum penerapan komersial. Dengan penelitian berkelanjutan, teknologi AI suara dapat memperluas fungsi asisten virtual. Apa pandangan Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Bagikan pandangan Anda mengenai pengembangan asisten virtual generasi baru.
