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

Block resmi memperkenalkan Dessa sebagai model AI suara eksperimental. Inovasi terbaru ini bertujuan menghadirkan interaksi antara manusia dan mesin yang mendekati cara manusia berbicara secara langsung. Jika dibandingkan dengan pendekatan percakapan berbasis teks, Dessa memproses masukan dan keluaran dalam bentuk suara. Rancangan sistem tersebut memberikan perhatian khusus pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Dalam pengumuman proyeknya, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa memanfaatkan fondasi model berbasis teks. Pendekatan pembelajaran tersebut menjadi pembeda utama dalam industri kecerdasan buatan generatif.

Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Laboratorium pengembang memusatkan penelitian pada interaksi berbasis suara. Berdasarkan rekaman pengujian yang ditampilkan, Dessa menghasilkan percakapan dengan perubahan nada yang dinamis. 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. Oleh sebab itu, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.

Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa

Karakteristik penting Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Ketika dua orang berbincang, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Sebagai contoh, pendengar dapat memberikan respons singkat ketika orang lain sedang menyampaikan informasi. Pola komunikasi seperti ini membantu menjaga kesinambungan dialog. Dessa dirancang untuk meniru pola interaksi semacam itu melalui mekanisme percakapan yang tidak sepenuhnya bergantian. Melalui rancangan tersebut, pengguna memiliki kesempatan menginterupsi respons sistem tanpa mengikuti pola komunikasi satu arah.

Ketika menggunakan pendekatan komunikasi berurutan, proses interaksi sering dibagi menjadi beberapa tahap. Audio pengguna ditranskripsikan menjadi tulisan, kemudian dianalisis oleh sistem pemrosesan teks. Setelah respons tersedia, teks tersebut diubah menjadi ucapan sintetis. Arsitektur bertahap ini masih berguna dalam sejumlah layanan, tetapi tidak selalu mempertahankan seluruh nuansa audio. Dalam pengembangannya, Dessa tidak mengandalkan tahapan teks tersebut 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 mengembangkan kemampuan melalui data audio manusia tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Pendekatan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena model memperoleh pola percakapan melalui ucapan. Melalui pembelajaran dari dialog lisan, Dessa berupaya mengenali variasi nada serta menentukan waktu yang sesuai untuk menyela. Aspek pembelajaran ini mendukung pengembangan dalam menciptakan dialog yang terdengar alami. Meski pendekatan penelitian diumumkan, Block tidak merinci seluruh informasi data pelatihan sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.

Salah satu aspek menarik adalah dukungan terhadap variasi penyampaian verbal. Dalam komunikasi manusia, intonasi turut memengaruhi cara pesan diterima. Sebagai contoh, kalimat yang sama dapat terdengar gembira atau kecewa. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Melalui contoh rekaman yang dibagikan, sistem menunjukkan tawa spontan. Meski demikian, ekspresi vokal bukan bukti adanya pengalaman emosional. Karena alasan tersebut, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.

Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian

Di samping pemrosesan audio langsung, Block menyoroti efisiensi komputasi. Menurut perusahaan, 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. Contoh perangkat yang disebutkan adalah MacBook Pro dengan chip M4 Max atau komputer dengan kapasitas komputasi setara atau lebih kuat. Tim pengembang turut mengklaim bahwa inferensi Dessa mendukung pemrosesan yang melampaui kecepatan real-time. Namun demikian, pengujian independen masih diperlukan.

Dukungan inferensi pada perangkat pengguna dapat memberikan fleksibilitas tambahan. Manfaat yang mungkin muncul adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Jika sistem benar-benar dijalankan secara lokal, data suara dapat diproses di perangkat pengguna. Penggunaan sistem on-device dapat mendukung kontrol privasi yang lebih baik. Tidak kalah penting, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Perlu diperhatikan, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, klaim penggunaan lokal belum dapat diuji secara luas.

Potensi Penerapan Model Percakapan Alami di Berbagai Industri

Pendekatan interaksi audio simultan berpotensi digunakan dalam berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Salah satu bidang yang relevan adalah sistem customer service otomatis. Pada interaksi pelayanan otomatis, kemampuan mendengarkan ketika sedang berbicara dapat membuat komunikasi terasa lebih fleksibel. Dalam skenario pelayanan, pelanggan yang ingin mengoreksi informasi dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Pendekatan semacam itu menarik untuk dikembangkan pada layanan bisnis dan komunikasi. Meski penerapannya menjanjikan, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.

Tidak terbatas pada interaksi konsumen, Dessa juga berpotensi menginspirasi asisten virtual, layanan pendidikan berbasis suara, dan aplikasi yang mengandalkan dialog langsung. Ketika seseorang berlatih komunikasi lisan, AI yang dapat merespons interupsi memungkinkan interaksi yang lebih mendekati dialog manusia. Pada sisi lain, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. 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.

Potensi Model Percakapan Block dalam Mengubah Interaksi Digital

Perkenalan Dessa oleh Block membawa kemajuan penting dalam penelitian model suara generatif. Berkat arsitektur percakapan berbasis suara, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Pelatihan berbasis rekaman manusia memberikan karakteristik yang berbeda dibandingkan banyak sistem percakapan berbasis transkripsi. Selain itu, penggunaan jeda dan respons vokal berpotensi membuat dialog lebih alami. Meskipun teknologi tersebut menjanjikan, Dessa belum tersedia secara umum. Keamanan interaksi dan perlindungan privasi masih memerlukan pengujian. Dengan penelitian berkelanjutan, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Bagaimana menurut Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Bagikan pandangan Anda mengenai masa depan AI suara full-duplex.