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 teknologi kecerdasan buatan yang berfokus pada komunikasi lisan. Inovasi terbaru ini bertujuan menghadirkan interaksi antara manusia dan mesin yang mendekati cara manusia berbicara secara langsung. Tidak seperti banyak asisten suara konvensional, Dessa memproses masukan dan keluaran dalam bentuk suara. Rancangan sistem tersebut memprioritaskan kemampuan pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Menurut penjelasan pengembang, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa menggunakan teks sebagai data pelatihan. Pendekatan pembelajaran tersebut memberikan karakteristik tersendiri dalam pengembangan model suara.

Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Kelompok peneliti ini berfokus pada kemampuan percakapan langsung. Dalam sejumlah contoh percakapan resmi, Dessa menghasilkan percakapan dengan perubahan nada yang dinamis. Beberapa contoh menampilkan respons berupa tawa ketika pembicara memberikan tanggapan tertentu. Namun demikian, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Karena alasan tersebut, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.

Keunggulan Model Suara Full-Duplex Dibandingkan Asisten Virtual Biasa

Fitur yang paling menonjol Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Pada interaksi lisan sehari-hari, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Untuk memberikan gambaran, pendengar dapat memberikan respons singkat ketika orang lain sedang menyampaikan informasi. Kemampuan tersebut membantu menjaga kesinambungan dialog. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui pengelolaan masukan dan keluaran suara simultan. 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. Masukan suara manusia diproses melalui pengenalan ucapan, kemudian diteruskan menuju model bahasa. Setelah respons tersedia, teks tersebut diubah menjadi ucapan sintetis. Arsitektur bertahap ini dapat bekerja dengan baik untuk berbagai tugas, tetapi dapat mengurangi sebagian konteks ekspresi suara. Dalam pengembangannya, Dessa tidak mengandalkan tahapan teks tersebut sehingga informasi suara menjadi bagian utama pemrosesan. Meski demikian, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.

Dessa Dilatih Menggunakan Percakapan Manusia Tanpa Teks

Tim pengembang menyampaikan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa memanfaatkan teks sebagai dasar pembelajaran. Strategi pengembangan tersebut 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 mempelajari pola pergantian pembicara. Kemampuan yang ditargetkan mendukung pengembangan dalam menghasilkan respons suara lebih ekspresif. Namun demikian, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga keandalan pada beragam kondisi belum dapat dipastikan.

Salah satu aspek menarik adalah dukungan terhadap variasi penyampaian verbal. 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. Dalam demonstrasi publik, 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.

Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras

Tidak hanya menghadirkan komunikasi simultan, Block mengungkap kemampuan pemrosesan lokal. Berdasarkan klaim pengembang, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut diklaim dapat berjalan pada perangkat konsumen tertentu. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau sistem lain yang memenuhi kebutuhan pemrosesan. Block juga menyatakan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Walaupun klaim tersebut menarik, pengujian independen masih diperlukan.

Dukungan inferensi pada perangkat pengguna menawarkan berbagai kemungkinan penggunaan. Salah satunya adalah berkurangnya ketergantungan terhadap layanan cloud. Dalam skenario tertentu, data suara dapat diproses di perangkat pengguna. Penggunaan sistem on-device berpotensi membantu pengelolaan informasi pribadi. Tidak kalah penting, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Walaupun potensinya besar, ketersediaan model untuk pengguna umum belum diumumkan. Karena alasan tersebut, 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. Salah satu bidang yang relevan adalah asisten percakapan untuk dukungan konsumen. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan menerima interupsi pengguna dapat membuat komunikasi terasa lebih fleksibel. Sebagai contoh, pelanggan yang ingin mengoreksi informasi berpeluang memberikan masukan secara langsung. Fungsi komunikasi tersebut menarik untuk dikembangkan pada layanan bisnis dan komunikasi. Meski penerapannya menjanjikan, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.

Tidak terbatas pada interaksi konsumen, Dessa juga berpotensi menginspirasi asisten virtual, platform latihan percakapan, dan perangkat pendamping digital. Ketika seseorang berlatih komunikasi lisan, AI yang mampu menanggapi secara alami memungkinkan interaksi yang lebih mendekati dialog manusia. Pada sisi lain, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Namun demikian, keandalan pengenalan bahasa belum dapat disimpulkan dari rekaman demonstrasi. Pengelolaan keamanan penggunaan suara juga membutuhkan perhatian khusus sebelum sistem digunakan secara komersial.

Potensi Model Percakapan Block dalam Mengubah Interaksi Digital

Pengembangan sistem percakapan full-duplex dari Block menjadi perkembangan menarik dalam pengembangan komunikasi antara manusia dan mesin. Dengan menggunakan pendekatan speech-to-speech, Dessa dirancang untuk mendengar dan berbicara bersamaan. Pelatihan berbasis rekaman manusia memberikan karakteristik yang berbeda dibandingkan banyak sistem percakapan berbasis transkripsi. Di samping keunikan arsitekturnya, dukungan variasi intonasi dapat meningkatkan kenyamanan percakapan. Walaupun demikian, Dessa tetap membutuhkan evaluasi independen yang lebih luas. Keamanan interaksi dan keandalan pada situasi nyata menjadi aspek yang perlu diperhatikan. Berkat evaluasi lebih mendalam, teknologi AI suara berpeluang menghadirkan interaksi digital lebih fleksibel. Bagaimana menurut Anda kemampuan AI yang mampu memahami interupsi dalam percakapan? Sampaikan pemikiran Anda mengenai masa depan AI suara full-duplex.