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.

Inovasi Kecerdasan Buatan Berbasis Audio dari Perusahaan Block

Tim penelitian kecerdasan buatan Block menghadirkan Dessa sebagai sistem percakapan berbasis audio. Pengembangan tersebut dirancang menciptakan interaksi antara manusia dan mesin yang mendekati cara manusia berbicara secara langsung. Tidak seperti banyak asisten suara konvensional, Dessa dibangun untuk memahami serta menghasilkan percakapan lisan. Metode pengembangan ini menempatkan fokus utama pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Dalam pengumuman proyeknya, Dessa mengandalkan pelatihan berbasis suara manusia tanpa menggunakan teks sebagai data pelatihan. Strategi tersebut memberikan karakteristik tersendiri dalam pengembangan model suara.

Model suara ini merupakan hasil penelitian 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 memperlihatkan kemampuan merespons secara ekspresif. Beberapa contoh memperlihatkan reaksi dengan perubahan volume ketika situasi percakapan berubah. Namun demikian, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Dengan mempertimbangkan hal tersebut, Dessa masih perlu dievaluasi melalui pengujian lebih luas.

Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara

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 bisa mengatakan kata persetujuan ketika lawan bicara belum menyelesaikan kalimat. Kemampuan tersebut membuat percakapan terasa lebih hidup. Model AI ini berupaya menghadirkan pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Melalui rancangan tersebut, 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. Masukan suara manusia diubah menjadi teks, kemudian digunakan sebagai masukan untuk menghasilkan jawaban. Ketika jawaban berhasil dibuat, teks tersebut dikonversi menjadi suara. Pendekatan tersebut dapat bekerja dengan baik untuk berbagai tugas, tetapi dapat mengurangi sebagian konteks ekspresi suara. Dessa menggunakan pendekatan berbeda sehingga intonasi dan ritme dapat dipelajari langsung. Walaupun arsitekturnya menarik, kualitas dialog tetap memerlukan evaluasi terpisah.

Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa

Tim pengembang menyampaikan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa mengandalkan tahapan pelatihan berbasis tulisan. Metode pembelajaran ini berbeda dari banyak sistem AI suara karena interaksi audio menjadi bahan pembelajaran inti. Berkat pelatihan yang berpusat pada audio, Dessa dirancang memahami perubahan ritme percakapan serta menentukan waktu yang sesuai untuk menyela. Kemampuan yang ditargetkan mendukung pengembangan dalam menghasilkan respons suara lebih ekspresif. Meski pendekatan penelitian diumumkan, Block belum mempublikasikan rincian lengkap dataset sehingga keandalan pada beragam kondisi belum dapat dipastikan.

Karakteristik lain yang menonjol adalah kemampuan menghasilkan ekspresi suara. Ketika seseorang menyampaikan pesan, makna tidak hanya berasal dari pilihan kata. Untuk memberikan gambaran, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Melalui contoh rekaman yang dibagikan, sistem memperlihatkan variasi ritme dan volume. Meski demikian, suara emosional tidak membuktikan AI memiliki perasaan. Dengan demikian, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.

Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian

Tidak hanya menghadirkan komunikasi simultan, 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 sistem lain yang memenuhi kebutuhan pemrosesan. Block juga menyatakan bahwa inferensi Dessa mendukung pemrosesan yang melampaui kecepatan real-time. Namun demikian, pengujian independen masih diperlukan.

Pemrosesan kecerdasan buatan langsung di komputer dapat memberikan fleksibilitas tambahan. Manfaat yang mungkin muncul adalah kebutuhan koneksi server yang lebih sedikit. Pada penerapan yang sesuai, sebagian informasi percakapan berpotensi tetap berada pada komputer. Penggunaan sistem on-device berpotensi membantu pengelolaan informasi pribadi. Selain itu, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Namun demikian, Dessa belum tersedia sebagai paket unduhan publik. Karena alasan tersebut, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.

Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan

Fitur komunikasi full-duplex dapat menjadi dasar pengembangan berbagai layanan digital yang membutuhkan respons percakapan cepat. Contoh penggunaan potensial adalah layanan pelanggan berbasis suara. Pada interaksi pelayanan otomatis, kemampuan menerima interupsi pengguna 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 layanan bisnis dan komunikasi. Walaupun konsepnya relevan, Block belum mengumumkan integrasi komersial Dessa secara luas.

Selain layanan pelanggan, Dessa dapat menjadi dasar penelitian asisten virtual, aplikasi pembelajaran interaktif, dan perangkat pendamping digital. Pada penggunaan pendidikan, AI yang mampu menanggapi secara alami memungkinkan interaksi yang lebih mendekati dialog manusia. Dalam pengembangan teknologi inklusif, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Namun demikian, keandalan pengenalan bahasa belum dapat disimpulkan dari rekaman demonstrasi. Perlindungan informasi percakapan juga membutuhkan perhatian khusus sebelum teknologi diterapkan pada layanan penting.

Potensi Model Percakapan Block dalam Mengubah Interaksi Digital

Kehadiran model AI suara Dessa membawa kemajuan penting dalam penelitian model suara generatif. Dengan menggunakan pendekatan speech-to-speech, Dessa memiliki kemampuan menjalankan komunikasi full-duplex. Pendekatan audio sebagai dasar pelatihan memberikan karakteristik yang berbeda dibandingkan sejumlah asisten virtual tradisional. Tidak hanya menawarkan interaksi simultan, dukungan variasi intonasi membuka kemungkinan pengalaman komunikasi yang lebih hidup. Meskipun teknologi tersebut menjanjikan, Dessa tetap membutuhkan evaluasi independen yang lebih luas. Kesesuaian penggunaan lintas bahasa dan ketersediaan perangkat lunak harus dikaji sebelum penerapan komersial. Dengan penelitian berkelanjutan, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Bagaimana menurut Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Silakan bagikan pendapat Anda mengenai masa depan AI suara full-duplex.