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

Block resmi memperkenalkan Dessa sebagai model AI suara eksperimental. Inovasi terbaru ini dikembangkan untuk mendukung interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Tidak seperti banyak asisten suara konvensional, Dessa menggunakan audio sebagai dasar interaksi. Metode pengembangan ini memprioritaskan kemampuan 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. Pendekatan pembelajaran tersebut memberikan karakteristik tersendiri dalam pengembangan model suara.

Model suara ini merupakan hasil penelitian laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Kelompok peneliti ini berfokus pada kemampuan percakapan langsung. Berdasarkan rekaman pengujian yang ditampilkan, Dessa memperlihatkan kemampuan merespons secara ekspresif. Beberapa contoh menunjukkan penggunaan jeda dan ekspresi suara ketika pembicara memberikan tanggapan tertentu. Namun demikian, rekaman demonstrasi tidak menggantikan pengujian independen. Karena alasan tersebut, Dessa belum dapat dinilai sepenuhnya hanya berdasarkan demonstrasi publik.

Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara

Karakteristik penting Dessa adalah pemrosesan percakapan dua arah secara simultan. Pada interaksi lisan sehari-hari, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Untuk memberikan gambaran, pendengar bisa mengatakan kata persetujuan ketika orang lain sedang menyampaikan informasi. Karakteristik interaksi tersebut membantu menjaga kesinambungan dialog. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui mekanisme percakapan yang tidak sepenuhnya bergantian. Dengan demikian, pengguna dapat menyela ketika AI berbicara tanpa harus menunggu giliran secara kaku.

Ketika menggunakan pendekatan komunikasi berurutan, proses interaksi dapat melibatkan sejumlah komponen berbeda. Ucapan yang diterima sistem diproses melalui pengenalan ucapan, kemudian digunakan sebagai masukan untuk menghasilkan jawaban. Setelah respons tersedia, teks tersebut dikonversi menjadi suara. Pendekatan tersebut telah mendukung banyak aplikasi praktis, tetapi berpotensi kehilangan informasi prosodi. Dessa menggunakan pendekatan berbeda sehingga intonasi dan ritme dapat dipelajari langsung. Walaupun arsitekturnya menarik, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.

Pendekatan Speech-to-Speech Membentuk Kemampuan Berbicara Alami

Tim pengembang menyampaikan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Pendekatan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena interaksi audio menjadi bahan pembelajaran inti. Dengan menggunakan rekaman manusia, Dessa dirancang memahami perubahan ritme percakapan serta menentukan waktu yang sesuai untuk menyela. Aspek pembelajaran ini mendukung pengembangan dalam membangun pengalaman percakapan yang tidak kaku. Meski pendekatan penelitian diumumkan, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.

Keunggulan potensial dari pendekatan tersebut adalah pemrosesan karakter emosional dalam dialog. Ketika seseorang menyampaikan pesan, intonasi turut memengaruhi cara pesan diterima. Sebagai contoh, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Sistem AI tersebut berupaya mempelajari karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Melalui contoh rekaman yang dibagikan, sistem menunjukkan tawa spontan. Walaupun terdengar ekspresif, ekspresi vokal bukan bukti adanya pengalaman emosional. Oleh karena itu, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.

Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian

Tidak hanya menghadirkan komunikasi simultan, Block mengungkap kemampuan pemrosesan lokal. Berdasarkan klaim pengembang, Dessa dikembangkan melalui infrastruktur pelatihan NVIDIA GB200 NVL72. Sekalipun pelatihan dilakukan pada sistem berperforma tinggi, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau komputer dengan kapasitas komputasi setara atau lebih kuat. Tim pengembang turut mengklaim bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Namun demikian, pengujian independen masih diperlukan.

Kemampuan menjalankan AI secara lokal memiliki sejumlah manfaat potensial. 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. Pendekatan tersebut memberikan pilihan pengolahan data yang lebih mandiri. Sebagai manfaat tambahan, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Namun demikian, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.

Potensi Penerapan Model Percakapan Alami di Berbagai Industri

Fitur komunikasi full-duplex membuka peluang penerapan pada berbagai layanan digital yang membutuhkan respons percakapan cepat. Contoh penggunaan potensial adalah asisten percakapan untuk dukungan konsumen. Dalam layanan tersebut, kemampuan mendengarkan ketika sedang berbicara membantu mempertahankan alur interaksi. Dalam skenario pelayanan, pelanggan yang hendak menyela jawaban tidak harus selalu menunggu AI selesai berbicara. Pendekatan semacam itu menarik untuk dikembangkan pada layanan bisnis dan komunikasi. Walaupun konsepnya relevan, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.

Tidak terbatas pada interaksi konsumen, Dessa dapat menjadi dasar penelitian asisten virtual, layanan pendidikan berbasis suara, dan aplikasi yang mengandalkan dialog langsung. Ketika seseorang berlatih komunikasi lisan, AI yang dapat merespons interupsi dapat membantu membangun simulasi percakapan. Pada sisi lain, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Namun demikian, ketepatan respons pada lingkungan bising masih memerlukan pengujian lebih lanjut. Perlindungan informasi percakapan juga perlu diprioritaskan sebelum AI diintegrasikan dalam aplikasi sehari-hari.

Potensi Model Percakapan Block dalam Mengubah Interaksi Digital

Pengembangan sistem percakapan full-duplex dari Block memperlihatkan arah inovasi baru dalam pengembangan komunikasi antara manusia dan mesin. Berkat arsitektur percakapan berbasis suara, Dessa memiliki kemampuan menjalankan komunikasi full-duplex. Metode pembelajaran tanpa data teks memberikan karakteristik yang berbeda dibandingkan sejumlah asisten virtual tradisional. Tidak hanya menawarkan interaksi simultan, kemampuan ekspresi suara dapat meningkatkan kenyamanan percakapan. Walaupun demikian, Dessa belum tersedia secara umum. Keakuratan jawaban dan perlindungan privasi menjadi aspek yang perlu diperhatikan. Dengan penelitian berkelanjutan, teknologi AI suara berpeluang menghadirkan interaksi digital lebih fleksibel. Bagaimana menurut Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Sampaikan pemikiran Anda mengenai pengembangan asisten virtual generasi baru.