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.
Kehadiran Dessa Membuka Pendekatan Baru dalam Interaksi Manusia dan AI
Tim penelitian kecerdasan buatan Block menghadirkan Dessa sebagai sistem percakapan berbasis audio. Inovasi terbaru ini dikembangkan untuk mendukung interaksi antara manusia dan mesin yang terasa semakin alami. Tidak seperti banyak asisten suara konvensional, Dessa memproses masukan dan keluaran dalam bentuk suara. Metode pengembangan ini memprioritaskan kemampuan pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Berdasarkan keterangan perusahaan, Dessa dilatih menggunakan rekaman percakapan manusia tanpa memanfaatkan fondasi model berbasis teks. Pendekatan pembelajaran tersebut memberikan karakteristik tersendiri dalam penelitian AI percakapan.
Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Tim tersebut memusatkan penelitian pada interaksi berbasis suara. Berdasarkan rekaman pengujian yang ditampilkan, Dessa menunjukkan variasi intonasi dan jeda. Rekaman percakapan tersebut menampilkan respons berupa tawa ketika pembicara memberikan tanggapan tertentu. Meskipun kemampuan yang ditampilkan menjanjikan, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. 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 kemampuan mendengar dan berbicara secara bersamaan. Ketika dua orang berbincang, seseorang dapat memberikan tanggapan singkat saat orang lain berbicara. Untuk memberikan gambaran, pendengar dapat memberikan respons singkat ketika pembicara masih menjelaskan sesuatu. Karakteristik interaksi tersebut memberikan kesan komunikasi yang lebih responsif. Dessa dirancang untuk meniru pola interaksi semacam itu melalui mekanisme percakapan yang tidak sepenuhnya bergantian. Dengan demikian, pengguna memiliki kesempatan menginterupsi respons sistem tanpa harus menunggu giliran secara kaku.
Ketika menggunakan pendekatan komunikasi berurutan, proses interaksi biasanya berlangsung melalui rangkaian pemrosesan terpisah. Audio pengguna ditranskripsikan menjadi tulisan, kemudian diteruskan menuju model bahasa. Setelah respons tersedia, teks tersebut diproses oleh teknologi text-to-speech. Arsitektur bertahap ini telah mendukung banyak aplikasi praktis, tetapi dapat mengurangi sebagian konteks ekspresi suara. Dessa menggunakan pendekatan berbeda sehingga informasi suara menjadi bagian utama pemrosesan. Walaupun arsitekturnya menarik, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Dessa Dilatih Menggunakan Percakapan Manusia Tanpa Teks
Tim pengembang menyampaikan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa memanfaatkan teks sebagai dasar pembelajaran. Strategi pengembangan tersebut berbeda dari banyak sistem AI suara karena model memperoleh pola percakapan melalui ucapan. Melalui pembelajaran dari dialog lisan, Dessa diharapkan mampu mempelajari pola intonasi serta mengenali kapan perlu merespons. Kemampuan yang ditargetkan menjadi bagian mendasar dalam menghasilkan respons suara lebih ekspresif. Namun demikian, Block belum mempublikasikan rincian lengkap dataset sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.
Keunggulan potensial dari pendekatan tersebut adalah pemrosesan karakter emosional dalam dialog. Dalam komunikasi manusia, perubahan nada dapat memberikan konteks tambahan. Dalam suatu percakapan, kalimat yang sama bisa memiliki kesan berbeda berdasarkan intonasi. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Pada percakapan yang diperlihatkan pengembang, sistem menunjukkan tawa spontan. Meski demikian, kemampuan meniru emosi tidak sama dengan merasakan emosi. Oleh karena itu, penilaian kemampuan Dessa harus mempertimbangkan kealamian vokal dan keandalan informasi secara terpisah.
Dessa Dapat Berjalan Secara Lokal pada Perangkat Komputer Tertentu
Di samping pemrosesan audio langsung, Block mengungkap kemampuan pemrosesan lokal. Dalam informasi teknis yang diumumkan, Dessa memanfaatkan satu rak komputasi NVIDIA GB200 NVL72 untuk pelatihan. Meskipun proses pelatihannya membutuhkan akselerator kelas pusat data, model tersebut diklaim dapat berjalan pada perangkat konsumen tertentu. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau komputer dengan kapasitas komputasi setara atau lebih kuat. Dalam pemaparan proyek, perusahaan menjelaskan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Namun demikian, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Kemampuan menjalankan AI secara lokal dapat memberikan fleksibilitas tambahan. Keunggulan yang dapat diperoleh adalah berkurangnya ketergantungan terhadap layanan cloud. Pada penerapan yang sesuai, audio tidak harus dikirim menuju server eksternal. Penggunaan sistem on-device berpotensi membantu pengelolaan informasi pribadi. Tidak kalah penting, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Namun demikian, Dessa belum tersedia sebagai paket unduhan publik. Karena alasan tersebut, klaim penggunaan lokal belum dapat diuji secara luas.
Manfaat Teknologi AI Suara Full-Duplex dalam Aktivitas Digital
Pendekatan interaksi audio simultan berpotensi digunakan dalam berbagai layanan digital yang membutuhkan respons percakapan cepat. Salah satu bidang yang relevan adalah layanan pelanggan berbasis suara. Dalam layanan tersebut, kemampuan menerima interupsi pengguna berpotensi mengurangi dialog yang kaku. Untuk memberikan gambaran, pelanggan yang ingin mengoreksi informasi dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Kemampuan ini dapat menjadi bahan penelitian lanjutan pada sistem dukungan pelanggan. 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 sistem bantuan berbicara. Pada penggunaan pendidikan, AI yang menyesuaikan ritme percakapan berpotensi menciptakan pengalaman latihan lebih realistis. Dalam pengembangan teknologi inklusif, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Walaupun manfaat potensialnya luas, ketepatan respons pada lingkungan bising masih memerlukan pengujian lebih lanjut. Pengelolaan keamanan penggunaan suara juga harus menjadi bagian dari rancangan sebelum sistem digunakan secara komersial.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Pengembangan sistem percakapan full-duplex dari Block membawa kemajuan penting dalam dunia TEKNOLOGI kecerdasan buatan. Berkat arsitektur percakapan berbasis suara, Dessa memiliki kemampuan menjalankan komunikasi full-duplex. Pendekatan audio sebagai dasar pelatihan memberikan karakteristik yang berbeda dibandingkan banyak sistem percakapan berbasis transkripsi. Di samping keunikan arsitekturnya, penggunaan jeda dan respons vokal berpotensi membuat dialog lebih alami. Walaupun demikian, Dessa masih berada pada tahap penelitian terbatas. Kesesuaian penggunaan lintas bahasa dan keandalan pada situasi nyata menjadi aspek yang perlu diperhatikan. Berkat evaluasi lebih mendalam, teknologi AI suara dapat memperluas fungsi asisten virtual. Seberapa menarik menurut Anda kemampuan AI yang menghasilkan respons suara dengan intonasi alami? Silakan bagikan pendapat Anda mengenai pengembangan asisten virtual generasi baru.
