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
Tim penelitian kecerdasan buatan Block menghadirkan Dessa sebagai teknologi kecerdasan buatan yang berfokus pada komunikasi lisan. Proyek penelitian tersebut dikembangkan untuk mendukung interaksi antara manusia dan mesin yang mendekati cara manusia berbicara secara langsung. Berbeda dari sejumlah sistem terdahulu, Dessa dibangun untuk memahami serta menghasilkan percakapan lisan. Pendekatan tersebut memprioritaskan kemampuan pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Menurut penjelasan pengembang, Dessa mengandalkan pelatihan berbasis suara manusia tanpa memanfaatkan fondasi model berbasis teks. 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 memperlihatkan kemampuan merespons secara ekspresif. Beberapa contoh memperlihatkan reaksi dengan perubahan volume ketika situasi percakapan berubah. Walaupun demonstrasinya menarik, rekaman demonstrasi tidak menggantikan pengujian independen. Karena alasan tersebut, Dessa lebih tepat dipahami sebagai proyek penelitian yang berkembang.
Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara
Salah satu kemampuan utama Dessa adalah kemampuan mendengar dan berbicara secara bersamaan. Dalam komunikasi manusia, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Dalam situasi percakapan, pendengar mungkin menyampaikan tanda bahwa dirinya memahami ketika lawan bicara belum menyelesaikan kalimat. Pola komunikasi seperti ini memberikan kesan komunikasi yang lebih responsif. Model AI ini berupaya menghadirkan pola interaksi semacam itu melalui mekanisme percakapan yang tidak sepenuhnya bergantian. Berkat pendekatan full-duplex, pengguna memiliki kesempatan menginterupsi respons sistem tanpa mengikuti pola komunikasi satu arah.
Ketika menggunakan pendekatan komunikasi berurutan, proses interaksi dapat melibatkan sejumlah komponen berbeda. Audio pengguna ditranskripsikan menjadi tulisan, kemudian diteruskan menuju model bahasa. Ketika jawaban berhasil dibuat, teks tersebut diubah menjadi ucapan sintetis. Pendekatan tersebut telah mendukung banyak aplikasi praktis, tetapi berpotensi kehilangan informasi prosodi. Dessa menggunakan pendekatan berbeda sehingga karakteristik percakapan lisan menjadi dasar pembelajaran. Meski demikian, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Dessa Dilatih Menggunakan Percakapan Manusia Tanpa Teks
Menurut informasi perusahaan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa memanfaatkan teks sebagai dasar pembelajaran. Pendekatan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena suara menjadi sumber utama informasi. Dengan menggunakan rekaman manusia, Dessa diharapkan mampu mempelajari pola intonasi serta menentukan waktu yang sesuai untuk menyela. Kemampuan yang ditargetkan memiliki peranan penting 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 pemrosesan karakter emosional dalam dialog. Pada percakapan sehari-hari, makna tidak hanya berasal dari pilihan kata. Sebagai contoh, kalimat yang sama dapat terdengar gembira atau kecewa. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui pemrosesan informasi prosodi. Dalam demonstrasi publik, sistem menghasilkan perubahan nada yang ekspresif. Perlu dipahami, ekspresi vokal bukan bukti adanya pengalaman emosional. Karena alasan tersebut, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian
Di samping pemrosesan audio langsung, Block mengungkap kemampuan pemrosesan lokal. Berdasarkan klaim pengembang, Dessa dikembangkan melalui infrastruktur pelatihan NVIDIA GB200 NVL72. Meskipun proses pelatihannya membutuhkan akselerator kelas pusat data, 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. Dalam pemaparan proyek, perusahaan menjelaskan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Walaupun klaim tersebut menarik, pengujian independen masih diperlukan.
Dukungan inferensi pada perangkat pengguna dapat memberikan fleksibilitas tambahan. Manfaat yang mungkin muncul adalah kebutuhan koneksi server yang lebih sedikit. Jika sistem benar-benar dijalankan secara lokal, data suara dapat diproses di perangkat pengguna. Penggunaan sistem on-device berpotensi membantu pengelolaan informasi pribadi. Sebagai manfaat tambahan, perangkat lokal berpotensi mempertahankan layanan ketika koneksi terbatas. Namun demikian, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.
Manfaat Teknologi AI Suara Full-Duplex dalam Aktivitas Digital
Kemampuan mendengar dan berbicara bersamaan berpotensi digunakan dalam berbagai layanan digital yang membutuhkan respons percakapan cepat. Sektor yang dapat memperoleh manfaat adalah layanan pelanggan berbasis suara. Pada interaksi pelayanan otomatis, kemampuan mendengarkan ketika sedang berbicara berpotensi mengurangi dialog yang kaku. Sebagai contoh, pelanggan yang perlu menambahkan keterangan berpeluang memberikan masukan secara langsung. Fungsi komunikasi tersebut memiliki nilai praktis potensial pada layanan bisnis dan komunikasi. Walaupun konsepnya relevan, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.
Tidak terbatas pada interaksi konsumen, 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 berpotensi menciptakan pengalaman latihan lebih realistis. Untuk kebutuhan aksesibilitas, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Meski demikian, keandalan pengenalan bahasa masih memerlukan pengujian lebih lanjut. Perlindungan informasi percakapan juga perlu diprioritaskan sebelum sistem digunakan secara komersial.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Kehadiran model AI suara Dessa membawa kemajuan penting dalam dunia TEKNOLOGI kecerdasan buatan. Berkat arsitektur percakapan berbasis suara, Dessa dirancang untuk mendengar dan berbicara bersamaan. Pendekatan audio sebagai dasar pelatihan menjadi unsur pembeda dibandingkan pendekatan yang mengutamakan pemrosesan teks. Tidak hanya menawarkan interaksi simultan, dukungan variasi intonasi membuka kemungkinan pengalaman komunikasi yang lebih hidup. Meskipun teknologi tersebut menjanjikan, Dessa masih berada pada tahap penelitian terbatas. Kesesuaian penggunaan lintas bahasa dan ketersediaan perangkat lunak 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? Silakan bagikan pendapat Anda mengenai masa depan AI suara full-duplex.
