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 sistem percakapan berbasis audio. Pengembangan tersebut dikembangkan untuk mendukung interaksi antara manusia dan mesin yang mendekati cara manusia berbicara secara langsung. Jika dibandingkan dengan pendekatan percakapan berbasis teks, Dessa dibangun untuk memahami serta menghasilkan percakapan lisan. Rancangan sistem tersebut memprioritaskan kemampuan pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Dalam pengumuman proyeknya, Dessa dilatih menggunakan rekaman percakapan manusia tanpa memanfaatkan fondasi model berbasis teks. Pilihan arsitektur ini memberikan karakteristik tersendiri dalam industri kecerdasan buatan generatif.
Model suara ini merupakan hasil penelitian laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Kelompok peneliti ini memusatkan penelitian pada interaksi berbasis suara. Melalui demonstrasi yang dipublikasikan, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi menampilkan respons berupa tawa ketika situasi percakapan berubah. Namun demikian, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Dengan mempertimbangkan hal tersebut, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.
Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara
Karakteristik penting Dessa adalah dukungan komunikasi full-duplex. Ketika dua orang berbincang, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Dalam situasi percakapan, pendengar bisa mengatakan kata persetujuan ketika orang lain sedang menyampaikan informasi. Karakteristik interaksi tersebut memberikan kesan komunikasi yang lebih responsif. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui pengelolaan masukan dan keluaran suara simultan. Dengan demikian, pengguna memiliki kesempatan menginterupsi respons sistem tanpa harus menunggu giliran secara kaku.
Dalam asisten suara tradisional, proses interaksi sering dibagi menjadi beberapa tahap. Audio pengguna ditranskripsikan menjadi tulisan, kemudian diteruskan menuju model bahasa. Sesudah sistem menyusun keluaran, teks tersebut dikonversi menjadi suara. Metode pemrosesan berurutan dapat bekerja dengan baik untuk berbagai tugas, tetapi tidak selalu mempertahankan seluruh nuansa audio. Sebaliknya, model Block mengutamakan audio langsung sehingga intonasi dan ritme dapat dipelajari langsung. Meski demikian, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Pendekatan Speech-to-Speech Membentuk Kemampuan Berbicara Alami
Tim pengembang menyampaikan, Dessa dibangun melalui pelatihan berbasis rekaman dialog tanpa mengandalkan tahapan pelatihan berbasis tulisan. Strategi pengembangan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena model memperoleh pola percakapan melalui ucapan. Dengan menggunakan rekaman manusia, Dessa berupaya mengenali variasi nada serta mempelajari pola pergantian pembicara. Aspek pembelajaran ini 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 kemampuan menghasilkan ekspresi suara. Pada percakapan sehari-hari, intonasi turut memengaruhi cara pesan diterima. Dalam suatu percakapan, kalimat yang sama dapat terdengar gembira atau kecewa. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui analisis pola ekspresi audio. Pada percakapan yang diperlihatkan pengembang, sistem menghasilkan perubahan nada yang ekspresif. Walaupun terdengar ekspresif, suara emosional tidak membuktikan AI memiliki perasaan. Karena alasan tersebut, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras
Tidak hanya menghadirkan komunikasi simultan, 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 diklaim dapat berjalan pada perangkat konsumen tertentu. Contoh perangkat yang disebutkan adalah MacBook Pro dengan chip M4 Max atau komputer dengan kapasitas komputasi setara atau lebih kuat. Block juga menyatakan bahwa inferensi Dessa dapat berlangsung lebih cepat daripada waktu nyata. 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 berkurangnya ketergantungan terhadap layanan cloud. Pada penerapan yang sesuai, sebagian informasi percakapan berpotensi tetap berada pada komputer. Penggunaan sistem on-device dapat mendukung kontrol privasi yang lebih baik. Selain itu, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Walaupun potensinya besar, akses terhadap perangkat lunak masih terbatas. Oleh sebab itu, klaim penggunaan lokal belum dapat diuji secara luas.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Pendekatan interaksi audio simultan berpotensi digunakan dalam berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Sektor yang dapat memperoleh manfaat adalah asisten percakapan untuk dukungan konsumen. Dalam layanan tersebut, kemampuan menyesuaikan giliran percakapan secara dinamis membantu mempertahankan alur interaksi. Sebagai contoh, pelanggan yang hendak menyela jawaban dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Fungsi komunikasi tersebut memiliki nilai praktis potensial pada sistem dukungan pelanggan. Meski penerapannya menjanjikan, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.
Di luar kebutuhan komunikasi bisnis, Dessa juga berpotensi menginspirasi asisten virtual, aplikasi pembelajaran interaktif, dan sistem bantuan berbicara. Dalam kegiatan belajar bahasa, AI yang menyesuaikan ritme percakapan memungkinkan interaksi yang lebih mendekati dialog manusia. Dalam pengembangan teknologi inklusif, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Namun demikian, kemampuan memahami aksen belum dapat disimpulkan dari rekaman demonstrasi. Aspek keselamatan dan privasi juga perlu diprioritaskan sebelum sistem digunakan secara komersial.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Kehadiran model AI suara Dessa menjadi perkembangan menarik dalam pengembangan komunikasi antara manusia dan mesin. Dengan menggunakan pendekatan speech-to-speech, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Metode pembelajaran tanpa data teks menjadi unsur pembeda dibandingkan sejumlah asisten virtual tradisional. Di samping keunikan arsitekturnya, penggunaan jeda dan respons vokal berpotensi membuat dialog lebih alami. Walaupun demikian, Dessa tetap membutuhkan evaluasi independen yang lebih luas. Kesesuaian penggunaan lintas bahasa dan ketersediaan perangkat lunak masih memerlukan pengujian. Melalui pengembangan yang bertanggung jawab, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Seberapa menarik menurut Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Bagikan pandangan Anda mengenai masa depan AI suara full-duplex.
