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
Block resmi memperkenalkan Dessa sebagai model AI suara eksperimental. Proyek penelitian tersebut dikembangkan untuk mendukung interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Berbeda dari sejumlah sistem terdahulu, Dessa menggunakan audio sebagai dasar interaksi. Pendekatan tersebut memberikan perhatian khusus pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Menurut penjelasan pengembang, Dessa dilatih menggunakan rekaman percakapan manusia tanpa mengandalkan model bahasa pralatih. Pendekatan pembelajaran tersebut menjadi pembeda utama dalam industri kecerdasan buatan generatif.
Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang berada di bawah arahan Ragavan Thurairatnam. Tim tersebut mengembangkan pendekatan komunikasi audio yang responsif. Dalam sejumlah contoh percakapan resmi, Dessa menghasilkan percakapan dengan perubahan nada yang dinamis. Sejumlah demonstrasi menampilkan respons berupa tawa ketika interaksi berlangsung secara spontan. Namun demikian, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Oleh sebab itu, Dessa belum dapat dinilai sepenuhnya hanya berdasarkan demonstrasi publik.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Karakteristik penting Dessa adalah dukungan komunikasi full-duplex. Dalam komunikasi manusia, seseorang dapat memberikan tanggapan singkat saat orang lain berbicara. Sebagai contoh, pendengar bisa mengatakan kata persetujuan ketika pembicara masih menjelaskan sesuatu. Karakteristik interaksi tersebut membuat percakapan terasa lebih hidup. Model AI ini berupaya menghadirkan pola interaksi semacam itu melalui mekanisme percakapan yang tidak sepenuhnya bergantian. Berkat pendekatan full-duplex, pengguna dapat menyela ketika AI berbicara tanpa harus menunggu giliran secara kaku.
Pada banyak sistem percakapan terdahulu, proses interaksi sering dibagi menjadi beberapa tahap. Audio pengguna diubah menjadi teks, kemudian diteruskan menuju model bahasa. Sesudah sistem menyusun keluaran, teks tersebut diproses oleh teknologi text-to-speech. Arsitektur bertahap ini telah mendukung banyak aplikasi praktis, tetapi dapat mengurangi sebagian konteks ekspresi suara. Sebaliknya, model Block mengutamakan audio langsung sehingga karakteristik percakapan lisan menjadi dasar pembelajaran. Namun perlu diperhatikan, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.
Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa
Block menjelaskan, Dessa dibangun melalui pelatihan berbasis rekaman dialog tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Metode pembelajaran ini mencerminkan arah penelitian yang tidak umum karena interaksi audio menjadi bahan pembelajaran inti. Melalui pembelajaran dari dialog lisan, 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 mempublikasikan rincian lengkap dataset sehingga keandalan pada beragam kondisi belum dapat dipastikan.
Salah satu aspek menarik adalah kemampuan menghasilkan ekspresi suara. Ketika seseorang menyampaikan pesan, perubahan nada dapat memberikan konteks tambahan. 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. Pada percakapan yang diperlihatkan pengembang, sistem menghasilkan perubahan nada yang ekspresif. Walaupun terdengar ekspresif, kemampuan meniru emosi tidak sama dengan merasakan emosi. Karena alasan tersebut, penilaian kemampuan Dessa harus mempertimbangkan kealamian vokal dan keandalan informasi secara terpisah.
Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras
Tidak hanya menghadirkan komunikasi simultan, Block menjelaskan rancangan model yang relatif hemat sumber daya. Dalam informasi teknis yang diumumkan, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Meskipun proses pelatihannya membutuhkan akselerator kelas pusat data, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. Perangkat keras yang dijadikan referensi 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. Walaupun klaim tersebut menarik, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Kemampuan menjalankan AI secara lokal memiliki sejumlah manfaat potensial. Keunggulan yang dapat diperoleh adalah berkurangnya ketergantungan terhadap layanan cloud. Jika sistem benar-benar dijalankan secara lokal, data suara dapat diproses di perangkat pengguna. Penggunaan sistem on-device memberikan pilihan pengolahan data yang lebih mandiri. Sebagai manfaat tambahan, perangkat lokal berpotensi mempertahankan layanan ketika koneksi terbatas. Perlu diperhatikan, Dessa belum tersedia sebagai paket unduhan publik. Dengan demikian, klaim penggunaan lokal belum dapat diuji secara luas.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Kemampuan mendengar dan berbicara bersamaan berpotensi digunakan dalam berbagai layanan digital yang membutuhkan respons percakapan cepat. Salah satu bidang yang relevan adalah asisten percakapan untuk dukungan konsumen. Pada interaksi pelayanan otomatis, kemampuan menyesuaikan giliran percakapan secara dinamis dapat membuat komunikasi terasa lebih fleksibel. Sebagai contoh, pelanggan yang perlu menambahkan keterangan dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Pendekatan semacam itu memiliki nilai praktis potensial pada pengembangan antarmuka suara. Walaupun konsepnya relevan, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.
Selain layanan pelanggan, Dessa juga berpotensi menginspirasi asisten virtual, aplikasi pembelajaran interaktif, dan perangkat pendamping digital. Pada penggunaan pendidikan, AI yang menyesuaikan ritme percakapan berpotensi menciptakan pengalaman latihan lebih realistis. Untuk kebutuhan aksesibilitas, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Walaupun manfaat potensialnya luas, kemampuan memahami aksen belum dapat disimpulkan dari rekaman demonstrasi. Aspek keselamatan dan privasi juga membutuhkan perhatian khusus sebelum sistem digunakan secara komersial.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Perkenalan Dessa oleh Block menjadi perkembangan menarik dalam penelitian model suara generatif. Berkat arsitektur percakapan berbasis suara, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Pelatihan berbasis rekaman manusia menciptakan arah pengembangan tersendiri dibandingkan pendekatan yang mengutamakan pemrosesan teks. Selain itu, penggunaan jeda dan respons vokal berpotensi membuat dialog lebih alami. Meski demonstrasinya menunjukkan potensi, Dessa masih berada pada tahap penelitian terbatas. Kesesuaian penggunaan lintas bahasa dan perlindungan privasi menjadi aspek yang perlu diperhatikan. Berkat evaluasi lebih mendalam, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Apa pandangan Anda kemampuan AI yang mampu memahami interupsi dalam percakapan? Sampaikan pemikiran Anda mengenai masa depan AI suara full-duplex.
