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
Perusahaan teknologi Block mengumumkan Dessa sebagai sistem percakapan berbasis audio. Pengembangan tersebut dirancang menciptakan interaksi antara manusia dan mesin yang mendekati cara manusia berbicara secara langsung. Jika dibandingkan dengan pendekatan percakapan berbasis teks, Dessa memproses masukan dan keluaran dalam bentuk suara. Metode pengembangan ini memprioritaskan kemampuan pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Menurut penjelasan pengembang, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa mengandalkan model bahasa pralatih. Pendekatan pembelajaran tersebut memberikan karakteristik tersendiri dalam industri kecerdasan buatan generatif.
Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Laboratorium pengembang memusatkan penelitian pada interaksi berbasis suara. Berdasarkan rekaman pengujian yang ditampilkan, Dessa menghasilkan percakapan dengan perubahan nada yang dinamis. Beberapa contoh menampilkan respons berupa tawa ketika interaksi berlangsung secara spontan. Namun demikian, rekaman demonstrasi tidak menggantikan pengujian independen. Dengan mempertimbangkan hal tersebut, Dessa belum dapat dinilai sepenuhnya hanya berdasarkan demonstrasi publik.
Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara
Salah satu kemampuan utama Dessa adalah dukungan komunikasi full-duplex. Ketika dua orang berbincang, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Dalam situasi percakapan, pendengar bisa mengatakan kata persetujuan ketika lawan bicara belum menyelesaikan kalimat. Pola komunikasi seperti ini membantu menjaga kesinambungan dialog. Model AI ini berupaya menghadirkan pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Dengan demikian, pengguna memiliki kesempatan menginterupsi respons sistem tanpa selalu menunggu proses respons berakhir.
Dalam asisten suara tradisional, proses interaksi dapat melibatkan sejumlah komponen berbeda. Ucapan yang diterima sistem ditranskripsikan menjadi tulisan, kemudian diteruskan menuju model bahasa. Sesudah sistem menyusun keluaran, teks tersebut diubah menjadi ucapan sintetis. Metode pemrosesan berurutan 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. Meski demikian, kualitas dialog tetap memerlukan evaluasi terpisah.
Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa
Menurut informasi perusahaan, Dessa dibangun melalui pelatihan berbasis rekaman dialog tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Strategi pengembangan tersebut mencerminkan arah penelitian yang tidak umum karena interaksi audio menjadi bahan pembelajaran inti. Berkat pelatihan yang berpusat pada audio, Dessa berupaya mengenali variasi nada serta mempelajari pola pergantian pembicara. Kemampuan yang ditargetkan mendukung pengembangan dalam membangun pengalaman percakapan yang tidak kaku. Meski pendekatan penelitian diumumkan, Block belum mempublikasikan rincian lengkap dataset sehingga representasi berbagai aksen masih memerlukan evaluasi.
Keunggulan potensial dari pendekatan tersebut adalah kemampuan menghasilkan ekspresi suara. Dalam komunikasi manusia, intonasi turut memengaruhi cara pesan diterima. Dalam suatu percakapan, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Sistem AI tersebut berupaya mempelajari karakteristik tersebut melalui pemrosesan informasi prosodi. Melalui contoh rekaman yang dibagikan, sistem menunjukkan tawa spontan. Perlu dipahami, suara emosional tidak membuktikan AI memiliki perasaan. Oleh karena itu, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Dessa Dapat Berjalan Secara Lokal pada Perangkat Komputer Tertentu
Di samping pemrosesan audio langsung, Block menyoroti efisiensi komputasi. Dalam informasi teknis yang diumumkan, Dessa dikembangkan melalui infrastruktur pelatihan NVIDIA GB200 NVL72. Meskipun proses pelatihannya membutuhkan akselerator kelas pusat data, model tersebut diklaim dapat berjalan pada perangkat konsumen tertentu. Contoh perangkat yang disebutkan adalah MacBook Pro dengan chip M4 Max atau sistem lain yang memenuhi kebutuhan pemrosesan. 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 dapat memberikan fleksibilitas tambahan. Salah satunya 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. Metode pemrosesan lokal ini memberikan pilihan pengolahan data yang lebih mandiri. Selain itu, perangkat lokal berpotensi mempertahankan layanan ketika koneksi terbatas. 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
Pendekatan interaksi audio simultan berpotensi digunakan dalam berbagai layanan digital yang mengandalkan interaksi suara langsung. Sektor yang dapat memperoleh manfaat adalah asisten percakapan untuk dukungan konsumen. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan mendengarkan ketika sedang berbicara berpotensi mengurangi dialog yang kaku. Dalam skenario pelayanan, pelanggan yang hendak menyela jawaban dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Kemampuan ini menarik untuk dikembangkan pada sistem dukungan pelanggan. Namun demikian, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.
Selain layanan pelanggan, Dessa juga berpotensi menginspirasi asisten virtual, platform latihan percakapan, dan aplikasi yang mengandalkan dialog langsung. Ketika seseorang berlatih komunikasi lisan, AI yang dapat merespons interupsi dapat membantu membangun simulasi percakapan. Untuk kebutuhan aksesibilitas, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Walaupun manfaat potensialnya luas, kemampuan memahami aksen masih memerlukan pengujian lebih lanjut. Aspek keselamatan dan privasi juga membutuhkan perhatian khusus sebelum sistem digunakan secara komersial.
Kesimpulan Inovasi Dessa dan Masa Depan Teknologi AI Suara
Kehadiran model AI suara Dessa membawa kemajuan penting dalam pengembangan komunikasi antara manusia dan mesin. Berkat arsitektur percakapan berbasis suara, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Pelatihan berbasis rekaman manusia memberikan karakteristik yang berbeda dibandingkan pendekatan yang mengutamakan pemrosesan teks. Selain itu, penggunaan jeda dan respons vokal membuka kemungkinan pengalaman komunikasi yang lebih hidup. Meskipun teknologi tersebut menjanjikan, Dessa belum tersedia secara umum. Kesesuaian penggunaan lintas bahasa dan keandalan pada situasi nyata menjadi aspek yang perlu diperhatikan. Melalui pengembangan yang bertanggung jawab, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Bagaimana menurut Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Silakan bagikan pendapat Anda mengenai masa depan AI suara full-duplex.
