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 bertujuan menghadirkan interaksi antara manusia dan mesin yang terasa semakin alami. Jika dibandingkan dengan pendekatan percakapan berbasis teks, Dessa memproses masukan dan keluaran dalam bentuk suara. Pendekatan tersebut memprioritaskan kemampuan pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Berdasarkan keterangan perusahaan, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa menggunakan teks sebagai data pelatihan. Pilihan arsitektur ini membuat proyek ini menarik perhatian dalam penelitian AI percakapan.

Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Laboratorium pengembang mengembangkan pendekatan komunikasi audio yang responsif. Dalam sejumlah contoh percakapan resmi, Dessa memperlihatkan kemampuan merespons secara ekspresif. Sejumlah demonstrasi menampilkan respons berupa tawa ketika interaksi berlangsung secara spontan. Walaupun demonstrasinya menarik, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Oleh sebab itu, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.

Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa

Fitur yang paling menonjol Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Dalam komunikasi manusia, seseorang dapat memberikan tanggapan singkat saat orang lain berbicara. Dalam situasi percakapan, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika lawan bicara belum menyelesaikan kalimat. Kemampuan tersebut membantu menjaga kesinambungan dialog. Model AI ini berupaya menghadirkan pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Berkat pendekatan full-duplex, pengguna memiliki kesempatan menginterupsi respons sistem tanpa mengikuti pola komunikasi satu arah.

Pada banyak sistem percakapan terdahulu, proses interaksi dapat melibatkan sejumlah komponen berbeda. Masukan suara manusia diproses melalui pengenalan ucapan, kemudian diteruskan menuju model bahasa. Setelah respons tersedia, teks tersebut diubah menjadi ucapan sintetis. Arsitektur bertahap ini masih berguna dalam sejumlah layanan, tetapi berpotensi kehilangan informasi prosodi. Dessa menggunakan pendekatan berbeda sehingga intonasi dan ritme dapat dipelajari langsung. Meski demikian, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.

Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa

Menurut informasi perusahaan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Strategi pengembangan tersebut mencerminkan arah penelitian yang tidak umum karena model memperoleh pola percakapan melalui ucapan. Dengan menggunakan rekaman manusia, Dessa diharapkan mampu mempelajari pola intonasi serta mempelajari pola pergantian pembicara. Kemampuan yang ditargetkan menjadi bagian mendasar dalam membangun pengalaman percakapan yang tidak kaku. Walaupun metode pelatihannya telah dijelaskan, Block tidak merinci seluruh informasi data pelatihan sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.

Karakteristik lain yang menonjol adalah kemampuan menghasilkan ekspresi suara. Ketika seseorang menyampaikan pesan, perubahan nada dapat memberikan konteks tambahan. Untuk memberikan gambaran, kalimat yang sama bisa memiliki kesan berbeda berdasarkan intonasi. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Dalam demonstrasi publik, 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.

Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras

Selain kemampuan full-duplex, Block menjelaskan rancangan model yang relatif hemat sumber daya. Berdasarkan klaim pengembang, Dessa dikembangkan melalui infrastruktur pelatihan NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, 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 mendukung pemrosesan yang melampaui kecepatan real-time. Namun demikian, angka latensi terukur belum tersedia secara lengkap.

Dukungan inferensi pada perangkat pengguna 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, sebagian informasi percakapan berpotensi tetap berada pada komputer. Pendekatan tersebut memberikan pilihan pengolahan data yang lebih mandiri. Selain itu, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Walaupun potensinya besar, ketersediaan model untuk pengguna umum belum diumumkan. Oleh sebab itu, manfaat implementasi nyata masih perlu dibuktikan.

Manfaat Teknologi AI Suara Full-Duplex dalam Aktivitas Digital

Fitur komunikasi full-duplex berpotensi digunakan dalam berbagai layanan digital yang mengandalkan interaksi suara langsung. Salah satu bidang yang relevan adalah sistem customer service otomatis. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan menyesuaikan giliran percakapan secara dinamis berpotensi mengurangi dialog yang kaku. Sebagai contoh, pelanggan yang ingin mengoreksi informasi berpeluang memberikan masukan secara langsung. Kemampuan ini dapat menjadi bahan penelitian lanjutan pada layanan bisnis dan komunikasi. Namun demikian, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.

Tidak terbatas pada interaksi konsumen, Dessa juga berpotensi menginspirasi asisten virtual, layanan pendidikan berbasis suara, dan perangkat pendamping digital. Dalam kegiatan belajar bahasa, AI yang dapat merespons interupsi berpotensi menciptakan pengalaman latihan lebih realistis. Untuk kebutuhan aksesibilitas, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Meski demikian, keandalan pengenalan bahasa masih memerlukan pengujian lebih lanjut. Aspek keselamatan dan privasi juga membutuhkan perhatian khusus sebelum teknologi diterapkan pada layanan penting.

Kesimpulan Inovasi Dessa dan Masa Depan Teknologi AI Suara

Kehadiran model AI suara Dessa menjadi perkembangan menarik dalam pengembangan komunikasi antara manusia dan mesin. Dengan menggunakan pendekatan speech-to-speech, Dessa dirancang untuk mendengar dan berbicara bersamaan. Metode pembelajaran tanpa data teks menciptakan arah pengembangan tersendiri dibandingkan pendekatan yang mengutamakan pemrosesan teks. Tidak hanya menawarkan interaksi simultan, kemampuan ekspresi suara dapat meningkatkan kenyamanan percakapan. Walaupun demikian, Dessa belum tersedia secara umum. Kesesuaian penggunaan lintas bahasa dan perlindungan privasi harus dikaji sebelum penerapan komersial. Melalui pengembangan yang bertanggung jawab, teknologi AI suara berpeluang menghadirkan interaksi digital lebih fleksibel. Seberapa menarik menurut Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Bagikan pandangan Anda mengenai masa depan AI suara full-duplex.