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

Perusahaan teknologi Block mengumumkan Dessa sebagai model AI suara eksperimental. Inovasi terbaru ini dirancang menciptakan interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Tidak seperti banyak asisten suara konvensional, Dessa memproses masukan dan keluaran dalam bentuk suara. Rancangan sistem tersebut menempatkan fokus utama pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Berdasarkan keterangan perusahaan, Dessa mengandalkan pelatihan berbasis suara manusia tanpa mengandalkan model bahasa pralatih. Strategi tersebut memberikan karakteristik tersendiri dalam industri kecerdasan buatan generatif.

Model suara ini merupakan hasil penelitian laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Laboratorium pengembang berfokus pada kemampuan percakapan langsung. Berdasarkan rekaman pengujian yang ditampilkan, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi menampilkan respons berupa tawa ketika interaksi berlangsung secara spontan. Meskipun kemampuan yang ditampilkan menjanjikan, contoh pilihan pengembang belum membuktikan keandalan dalam semua situasi. Oleh sebab itu, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.

Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara

Fitur yang paling menonjol Dessa adalah pemrosesan percakapan dua arah secara simultan. Dalam komunikasi manusia, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Untuk memberikan gambaran, pendengar dapat memberikan respons singkat ketika lawan bicara belum menyelesaikan kalimat. Karakteristik interaksi tersebut membantu menjaga kesinambungan dialog. Model AI ini berupaya menghadirkan pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Berkat pendekatan full-duplex, pengguna bisa memberikan masukan sebelum jawaban selesai tanpa mengikuti pola komunikasi satu arah.

Pada banyak sistem percakapan terdahulu, proses interaksi sering dibagi menjadi beberapa tahap. Audio pengguna diubah menjadi teks, kemudian digunakan sebagai masukan untuk menghasilkan jawaban. Ketika jawaban berhasil dibuat, teks tersebut dikonversi menjadi suara. Metode pemrosesan berurutan masih berguna dalam sejumlah layanan, tetapi tidak selalu mempertahankan seluruh nuansa audio. Dessa menggunakan pendekatan berbeda sehingga intonasi dan ritme dapat dipelajari langsung. Walaupun arsitekturnya menarik, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.

Pendekatan Speech-to-Speech Membentuk Kemampuan Berbicara Alami

Tim pengembang menyampaikan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa mengandalkan tahapan pelatihan berbasis tulisan. Pendekatan tersebut berbeda dari banyak sistem AI suara karena model memperoleh pola percakapan melalui ucapan. Berkat pelatihan yang berpusat pada audio, Dessa diharapkan mampu mempelajari pola intonasi serta menentukan waktu yang sesuai untuk menyela. Kemampuan yang ditargetkan menjadi bagian mendasar dalam membangun pengalaman percakapan yang tidak kaku. Meski pendekatan penelitian diumumkan, Block tidak merinci seluruh informasi data pelatihan sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.

Karakteristik lain yang menonjol adalah pemrosesan karakter emosional dalam dialog. Pada percakapan sehari-hari, makna tidak hanya berasal dari pilihan kata. Dalam suatu percakapan, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui pemrosesan informasi prosodi. Pada percakapan yang diperlihatkan pengembang, sistem memperlihatkan variasi ritme dan volume. Walaupun terdengar ekspresif, kemampuan meniru emosi tidak sama dengan merasakan emosi. Dengan demikian, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.

Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras

Selain kemampuan full-duplex, Block menjelaskan rancangan model yang relatif hemat sumber daya. Berdasarkan klaim pengembang, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. Perangkat keras yang dijadikan referensi 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 memiliki sejumlah manfaat potensial. Manfaat yang mungkin muncul adalah kebutuhan koneksi server yang lebih sedikit. Pada penerapan yang sesuai, sebagian informasi percakapan berpotensi tetap berada pada komputer. Metode pemrosesan lokal ini dapat mendukung kontrol privasi yang lebih baik. Selain itu, perangkat lokal berpotensi mempertahankan layanan ketika koneksi terbatas. Perlu diperhatikan, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, klaim penggunaan lokal belum dapat diuji secara luas.

Potensi Penerapan Model Percakapan Alami di Berbagai Industri

Fitur komunikasi full-duplex berpotensi digunakan dalam berbagai layanan digital yang membutuhkan respons percakapan cepat. Salah satu bidang yang relevan adalah layanan pelanggan berbasis suara. Pada interaksi pelayanan otomatis, kemampuan menyesuaikan giliran percakapan secara dinamis berpotensi mengurangi dialog yang kaku. Sebagai contoh, pelanggan yang hendak menyela jawaban berpeluang memberikan masukan secara langsung. Kemampuan ini memiliki nilai praktis potensial pada layanan bisnis dan komunikasi. Namun demikian, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.

Di luar kebutuhan komunikasi bisnis, Dessa dapat menjadi dasar penelitian asisten virtual, layanan pendidikan berbasis suara, dan aplikasi yang mengandalkan dialog langsung. Ketika seseorang berlatih komunikasi lisan, AI yang dapat merespons interupsi memungkinkan interaksi yang lebih mendekati dialog manusia. Dalam pengembangan teknologi inklusif, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Namun demikian, keandalan pengenalan bahasa masih memerlukan pengujian lebih lanjut. Aspek keselamatan dan privasi juga perlu diprioritaskan sebelum AI diintegrasikan dalam aplikasi sehari-hari.

Kesimpulan Inovasi Dessa dan Masa Depan Teknologi AI Suara

Pengembangan sistem percakapan full-duplex dari Block membawa kemajuan penting dalam pengembangan komunikasi antara manusia dan mesin. Dengan menggunakan pendekatan speech-to-speech, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Pendekatan audio sebagai dasar pelatihan memberikan karakteristik yang berbeda dibandingkan pendekatan yang mengutamakan pemrosesan teks. Selain itu, kemampuan ekspresi suara berpotensi membuat dialog lebih alami. Walaupun demikian, Dessa masih berada pada tahap penelitian terbatas. Keakuratan jawaban dan perlindungan privasi masih memerlukan pengujian. Melalui pengembangan yang bertanggung jawab, teknologi AI suara dapat memperluas fungsi asisten virtual. Apa pandangan Anda kemampuan AI yang dapat mendengarkan sambil berbicara? Bagikan pandangan Anda mengenai masa depan AI suara full-duplex.