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
Block resmi memperkenalkan Dessa sebagai teknologi kecerdasan buatan yang berfokus pada komunikasi lisan. Pengembangan tersebut bertujuan menghadirkan interaksi antara manusia dan mesin yang terasa semakin alami. Berbeda dari sejumlah sistem terdahulu, Dessa memproses masukan dan keluaran dalam bentuk suara. Rancangan sistem tersebut menempatkan fokus utama pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Berdasarkan keterangan perusahaan, Dessa mengandalkan pelatihan berbasis suara manusia tanpa memanfaatkan fondasi model berbasis teks. Pendekatan pembelajaran tersebut membuat proyek ini menarik perhatian dalam industri kecerdasan buatan generatif.
Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Kelompok peneliti ini berfokus pada kemampuan percakapan langsung. Berdasarkan rekaman pengujian yang ditampilkan, Dessa memperlihatkan kemampuan merespons secara ekspresif. Beberapa contoh memperlihatkan reaksi dengan perubahan volume ketika pembicara memberikan tanggapan tertentu. Namun demikian, contoh pilihan pengembang belum membuktikan keandalan dalam semua situasi. Oleh sebab itu, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Fitur yang paling menonjol Dessa adalah dukungan komunikasi full-duplex. Dalam komunikasi manusia, seseorang dapat memberikan tanggapan singkat saat orang lain berbicara. Sebagai contoh, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika lawan bicara belum menyelesaikan kalimat. Karakteristik interaksi tersebut membuat percakapan terasa lebih hidup. Sistem tersebut dikembangkan agar mampu mendukung pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Melalui rancangan tersebut, pengguna bisa memberikan masukan sebelum jawaban selesai tanpa selalu menunggu proses respons berakhir.
Pada banyak sistem percakapan terdahulu, proses interaksi sering dibagi menjadi beberapa tahap. Ucapan yang diterima sistem diubah menjadi teks, kemudian diteruskan menuju model bahasa. Setelah respons tersedia, teks tersebut diubah menjadi ucapan sintetis. Metode pemrosesan berurutan telah mendukung banyak aplikasi praktis, tetapi tidak selalu mempertahankan seluruh nuansa audio. Dessa menggunakan pendekatan berbeda sehingga informasi suara menjadi bagian utama pemrosesan. Walaupun arsitekturnya menarik, kualitas dialog tetap memerlukan evaluasi terpisah.
Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa
Block menjelaskan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa mengandalkan tahapan pelatihan berbasis tulisan. Pendekatan tersebut mencerminkan arah penelitian yang tidak umum karena model memperoleh pola percakapan melalui ucapan. Melalui pembelajaran dari dialog lisan, Dessa diharapkan mampu mempelajari pola intonasi serta mempelajari pola pergantian pembicara. Aspek pembelajaran ini mendukung pengembangan dalam menghasilkan respons suara lebih ekspresif. Meski pendekatan penelitian diumumkan, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga keandalan pada beragam kondisi belum dapat dipastikan.
Keunggulan potensial dari pendekatan tersebut adalah pemrosesan karakter emosional dalam dialog. Dalam komunikasi manusia, intonasi turut memengaruhi cara pesan diterima. Untuk memberikan gambaran, kalimat yang sama bisa memiliki kesan berbeda berdasarkan intonasi. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui analisis pola ekspresi audio. Pada percakapan yang diperlihatkan pengembang, sistem menghasilkan perubahan nada yang ekspresif. Meski demikian, ekspresi vokal bukan bukti adanya pengalaman emosional. Oleh karena itu, penilaian kemampuan Dessa perlu membedakan ekspresi suara dan pemahaman sebenarnya.
Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian
Tidak hanya menghadirkan komunikasi simultan, Block menyoroti efisiensi komputasi. Berdasarkan klaim pengembang, Dessa memanfaatkan satu rak komputasi NVIDIA GB200 NVL72 untuk pelatihan. Sekalipun pelatihan dilakukan pada sistem berperforma tinggi, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. 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 berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Walaupun klaim tersebut menarik, angka latensi terukur belum tersedia secara lengkap.
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. Pendekatan tersebut memberikan pilihan pengolahan data yang lebih mandiri. Tidak kalah penting, perangkat lokal dapat mengurangi ketergantungan pada kualitas jaringan. Walaupun potensinya besar, akses terhadap perangkat lunak masih terbatas. 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 berpotensi digunakan dalam berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Salah satu bidang yang relevan adalah layanan pelanggan berbasis suara. Dalam layanan tersebut, kemampuan menyesuaikan giliran percakapan secara dinamis dapat membuat komunikasi terasa lebih fleksibel. Sebagai contoh, pelanggan yang hendak menyela jawaban tidak harus selalu menunggu AI selesai berbicara. Fungsi komunikasi tersebut memiliki nilai praktis potensial pada layanan bisnis dan komunikasi. Meski penerapannya menjanjikan, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.
Tidak terbatas pada interaksi konsumen, Dessa dapat menjadi dasar penelitian asisten virtual, platform latihan percakapan, dan sistem bantuan berbicara. Dalam kegiatan belajar bahasa, AI yang mampu menanggapi secara alami memungkinkan interaksi yang lebih mendekati dialog manusia. Untuk kebutuhan aksesibilitas, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Meski demikian, kemampuan memahami aksen belum dapat disimpulkan dari rekaman demonstrasi. Pengelolaan keamanan penggunaan suara juga harus menjadi bagian dari rancangan sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Pengembangan sistem percakapan full-duplex dari Block membawa kemajuan penting dalam pengembangan komunikasi antara manusia dan mesin. Dengan menggunakan pendekatan speech-to-speech, Dessa memiliki kemampuan menjalankan komunikasi full-duplex. Metode pembelajaran tanpa data teks menciptakan arah pengembangan tersendiri dibandingkan banyak sistem percakapan berbasis transkripsi. Di samping keunikan arsitekturnya, penggunaan jeda dan respons vokal berpotensi membuat dialog lebih alami. Meskipun teknologi tersebut menjanjikan, Dessa tetap membutuhkan evaluasi independen yang lebih luas. Kesesuaian penggunaan lintas bahasa dan perlindungan privasi 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 pengembangan asisten virtual generasi baru.
