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.
Block Memperkenalkan Dessa sebagai Model AI Percakapan Suara Generasi Baru
Block resmi memperkenalkan Dessa sebagai sistem percakapan berbasis audio. Inovasi terbaru ini bertujuan menghadirkan interaksi antara manusia dan mesin yang terasa semakin alami. Tidak seperti banyak asisten suara konvensional, Dessa dibangun untuk memahami serta menghasilkan percakapan lisan. Pendekatan tersebut menempatkan fokus utama pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Berdasarkan keterangan perusahaan, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa menggunakan teks sebagai data pelatihan. Pilihan arsitektur ini menjadi pembeda utama dalam industri kecerdasan buatan generatif.
Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Tim tersebut mengembangkan pendekatan komunikasi audio yang responsif. Melalui demonstrasi yang dipublikasikan, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi memperlihatkan reaksi dengan perubahan volume ketika interaksi berlangsung secara spontan. Meskipun kemampuan yang ditampilkan menjanjikan, hasil percakapan terpilih belum menunjukkan performa pada seluruh kondisi. Dengan mempertimbangkan hal tersebut, Dessa belum dapat dinilai sepenuhnya hanya berdasarkan demonstrasi publik.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Salah satu kemampuan utama Dessa adalah dukungan komunikasi full-duplex. Pada interaksi lisan sehari-hari, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Sebagai contoh, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika lawan bicara belum menyelesaikan kalimat. Kemampuan tersebut memberikan kesan komunikasi yang lebih responsif. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui mekanisme percakapan yang tidak sepenuhnya bergantian. Dengan demikian, pengguna dapat menyela ketika AI berbicara tanpa mengikuti pola komunikasi satu arah.
Pada banyak sistem percakapan terdahulu, proses interaksi biasanya berlangsung melalui rangkaian pemrosesan terpisah. Ucapan yang diterima sistem diproses melalui pengenalan ucapan, kemudian diteruskan menuju model bahasa. Setelah respons tersedia, teks tersebut diproses oleh teknologi text-to-speech. Arsitektur bertahap ini dapat bekerja dengan baik untuk berbagai tugas, tetapi dapat mengurangi sebagian konteks ekspresi suara. Sebaliknya, model Block mengutamakan audio langsung sehingga informasi suara menjadi bagian utama pemrosesan. Namun perlu diperhatikan, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.
Dessa Dilatih Menggunakan Percakapan Manusia Tanpa Teks
Menurut informasi perusahaan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa memanfaatkan teks sebagai dasar pembelajaran. Pendekatan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena interaksi audio menjadi bahan pembelajaran inti. Dengan menggunakan rekaman manusia, Dessa diharapkan mampu mempelajari pola intonasi serta mengenali kapan perlu merespons. Karakteristik tersebut menjadi bagian mendasar dalam menciptakan dialog yang terdengar alami. Namun demikian, Block belum mempublikasikan rincian lengkap dataset sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.
Salah satu aspek menarik adalah dukungan terhadap variasi penyampaian verbal. Ketika seseorang menyampaikan pesan, intonasi turut memengaruhi cara pesan diterima. Dalam suatu percakapan, kalimat yang sama bisa memiliki kesan berbeda berdasarkan intonasi. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui analisis pola ekspresi audio. Melalui contoh rekaman yang dibagikan, sistem menghasilkan perubahan nada yang ekspresif. Perlu dipahami, kemampuan meniru emosi tidak sama dengan merasakan emosi. Oleh karena itu, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian
Di samping pemrosesan audio langsung, Block menyoroti efisiensi komputasi. Menurut perusahaan, Dessa memanfaatkan satu rak komputasi NVIDIA GB200 NVL72 untuk pelatihan. Sekalipun pelatihan dilakukan pada sistem berperforma tinggi, model tersebut dirancang mendukung inferensi lokal di komputer berkemampuan tinggi. Perangkat keras yang dijadikan referensi adalah MacBook Pro dengan chip M4 Max atau komputer dengan kapasitas komputasi setara atau lebih kuat. Block juga menyatakan bahwa inferensi Dessa mendukung pemrosesan yang melampaui kecepatan real-time. Meski kemampuan komputasinya menjanjikan, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Pemrosesan kecerdasan buatan langsung di komputer menawarkan berbagai kemungkinan penggunaan. Salah satunya adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Dalam skenario tertentu, audio tidak harus dikirim menuju server eksternal. Metode pemrosesan lokal ini dapat mendukung kontrol privasi yang lebih baik. Selain itu, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Perlu diperhatikan, Dessa belum tersedia sebagai paket unduhan publik. Dengan demikian, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.
Potensi Penerapan Model Percakapan Alami di Berbagai Industri
Pendekatan interaksi audio simultan dapat menjadi dasar pengembangan berbagai layanan digital yang membutuhkan respons percakapan cepat. Salah satu bidang yang relevan adalah layanan pelanggan berbasis suara. Pada interaksi pelayanan otomatis, kemampuan mendengarkan ketika sedang berbicara dapat membuat komunikasi terasa lebih fleksibel. Dalam skenario pelayanan, pelanggan yang perlu menambahkan keterangan dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Pendekatan semacam itu menarik untuk dikembangkan pada sistem dukungan pelanggan. Namun demikian, Block belum mengumumkan integrasi komersial Dessa secara luas.
Tidak terbatas pada interaksi konsumen, Dessa membuka peluang pengembangan asisten virtual, platform latihan percakapan, dan perangkat pendamping digital. Ketika seseorang berlatih komunikasi lisan, AI yang menyesuaikan ritme percakapan berpotensi menciptakan pengalaman latihan lebih realistis. Dalam pengembangan teknologi inklusif, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Meski demikian, keandalan pengenalan bahasa masih memerlukan pengujian lebih lanjut. Perlindungan informasi percakapan juga perlu diprioritaskan sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Perkenalan Dessa oleh Block membawa kemajuan penting dalam pengembangan komunikasi antara manusia dan mesin. Melalui pemrosesan audio secara langsung, Dessa memiliki kemampuan menjalankan komunikasi full-duplex. Pendekatan audio sebagai dasar pelatihan memberikan karakteristik yang berbeda dibandingkan pendekatan yang mengutamakan pemrosesan teks. Selain itu, penggunaan jeda dan respons vokal dapat meningkatkan kenyamanan percakapan. Meski demonstrasinya menunjukkan potensi, Dessa masih berada pada tahap penelitian terbatas. Keakuratan jawaban dan ketersediaan perangkat lunak harus dikaji sebelum penerapan komersial. Melalui pengembangan yang bertanggung jawab, teknologi AI suara berpeluang menghadirkan interaksi digital lebih fleksibel. Bagaimana menurut Anda kemampuan AI yang menghasilkan respons suara dengan intonasi alami? Silakan bagikan pendapat Anda mengenai pengembangan asisten virtual generasi baru.
