Block Perkenalkan Dessa, Model Suara AI yang Mampu Mendengar dan Berbicara Bersamaan

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 model AI suara eksperimental. Proyek penelitian tersebut dirancang menciptakan interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Tidak seperti banyak asisten suara konvensional, Dessa menggunakan audio sebagai dasar interaksi. Rancangan sistem tersebut memberikan perhatian khusus pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Berdasarkan keterangan perusahaan, Dessa dilatih menggunakan rekaman percakapan manusia tanpa mengandalkan model bahasa pralatih. Strategi tersebut membuat proyek ini menarik perhatian dalam industri kecerdasan buatan generatif.

Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Laboratorium pengembang memusatkan penelitian pada interaksi berbasis suara. Dalam sejumlah contoh percakapan resmi, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi 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 belum dapat dinilai sepenuhnya hanya berdasarkan demonstrasi publik.

Keunggulan Model Suara Full-Duplex Dibandingkan Asisten Virtual Biasa

Karakteristik penting Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Dalam komunikasi manusia, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Untuk memberikan gambaran, pendengar dapat memberikan respons singkat 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 selalu menunggu proses respons berakhir.

Dalam asisten suara tradisional, proses interaksi dapat melibatkan sejumlah komponen berbeda. Audio pengguna ditranskripsikan menjadi tulisan, kemudian digunakan sebagai masukan untuk menghasilkan jawaban. Ketika jawaban berhasil dibuat, teks tersebut dikonversi menjadi suara. Arsitektur bertahap ini masih berguna dalam sejumlah layanan, 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.

Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa

Menurut informasi perusahaan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa mengandalkan tahapan pelatihan berbasis tulisan. Pendekatan tersebut mencerminkan arah penelitian yang tidak umum karena interaksi audio menjadi bahan pembelajaran inti. Dengan menggunakan rekaman manusia, Dessa dirancang memahami perubahan ritme percakapan serta mengenali kapan perlu merespons. Aspek pembelajaran ini memiliki peranan penting dalam menciptakan dialog yang terdengar alami. Meski pendekatan penelitian diumumkan, Block tidak merinci seluruh informasi data pelatihan sehingga representasi berbagai aksen masih memerlukan evaluasi.

Salah satu aspek menarik adalah dukungan terhadap variasi penyampaian verbal. Ketika seseorang menyampaikan pesan, makna tidak hanya berasal dari pilihan kata. Sebagai contoh, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui pemrosesan informasi prosodi. Melalui contoh rekaman yang dibagikan, sistem menunjukkan tawa spontan. Walaupun terdengar ekspresif, suara emosional tidak membuktikan AI memiliki perasaan. Dengan demikian, penilaian kemampuan Dessa perlu membedakan ekspresi suara dan pemahaman sebenarnya.

Dessa Dapat Berjalan Secara Lokal pada Perangkat Komputer Tertentu

Tidak hanya menghadirkan komunikasi simultan, Block menyoroti efisiensi komputasi. Menurut perusahaan, Dessa dikembangkan melalui infrastruktur pelatihan NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut dirancang mendukung inferensi lokal di komputer berkemampuan tinggi. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau sistem lain yang memenuhi kebutuhan pemrosesan. Tim pengembang turut mengklaim bahwa inferensi Dessa mendukung pemrosesan yang melampaui kecepatan real-time. Namun demikian, angka latensi terukur belum tersedia secara lengkap.

Dukungan inferensi pada perangkat pengguna menawarkan berbagai kemungkinan penggunaan. Manfaat yang mungkin muncul adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Jika sistem benar-benar dijalankan secara lokal, sebagian informasi percakapan berpotensi tetap berada pada komputer. Penggunaan sistem on-device dapat mendukung kontrol privasi yang lebih baik. Sebagai manfaat tambahan, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Walaupun potensinya besar, Dessa belum tersedia sebagai paket unduhan publik. Karena alasan tersebut, klaim penggunaan lokal belum dapat diuji secara luas.

Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan

Fitur komunikasi full-duplex dapat menjadi dasar pengembangan berbagai layanan digital yang mengandalkan interaksi suara langsung. Contoh penggunaan potensial adalah sistem customer service otomatis. Dalam layanan tersebut, kemampuan menyesuaikan giliran percakapan secara dinamis berpotensi mengurangi dialog yang kaku. Dalam skenario pelayanan, pelanggan yang perlu menambahkan keterangan dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Pendekatan semacam itu menarik untuk dikembangkan pada pengembangan antarmuka suara. Namun demikian, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.

Di luar kebutuhan komunikasi bisnis, Dessa juga berpotensi menginspirasi asisten virtual, platform latihan percakapan, dan perangkat pendamping digital. Pada penggunaan pendidikan, AI yang menyesuaikan ritme percakapan berpotensi menciptakan pengalaman latihan lebih realistis. Untuk kebutuhan aksesibilitas, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Namun demikian, ketepatan respons pada lingkungan bising harus dinilai melalui evaluasi pengguna yang beragam. Pengelolaan keamanan penggunaan suara juga harus menjadi bagian dari rancangan sebelum sistem digunakan secara komersial.

Kesimpulan Inovasi Dessa dan Masa Depan Teknologi AI Suara

Pengembangan sistem percakapan full-duplex dari 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 menciptakan arah pengembangan tersendiri dibandingkan pendekatan yang mengutamakan pemrosesan teks. Selain itu, penggunaan jeda dan respons vokal dapat meningkatkan kenyamanan percakapan. Meski demonstrasinya menunjukkan potensi, Dessa masih berada pada tahap penelitian terbatas. Keamanan interaksi dan keandalan pada situasi nyata menjadi aspek yang perlu diperhatikan. Melalui pengembangan yang bertanggung jawab, teknologi AI suara dapat memperluas fungsi asisten virtual. Bagaimana menurut Anda kemampuan AI yang mampu memahami interupsi dalam percakapan? Silakan bagikan pendapat Anda mengenai masa depan AI suara full-duplex.