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
Tim penelitian kecerdasan buatan Block menghadirkan Dessa sebagai sistem percakapan berbasis audio. Pengembangan tersebut dirancang menciptakan interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Berbeda dari sejumlah sistem terdahulu, Dessa menggunakan audio sebagai dasar interaksi. Rancangan sistem tersebut memprioritaskan kemampuan pada intonasi, ritme, jeda, dan berbagai karakteristik komunikasi manusia. Dalam pengumuman proyeknya, Dessa mengandalkan pelatihan berbasis suara manusia tanpa menggunakan teks sebagai data pelatihan. Strategi tersebut membuat proyek ini menarik perhatian dalam pengembangan model suara.
Model suara ini merupakan hasil penelitian laboratorium riset AI di dalam Block yang melibatkan kepemimpinan penelitian Ragavan Thurairatnam. Tim tersebut memusatkan penelitian pada interaksi berbasis suara. Melalui demonstrasi yang dipublikasikan, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi menampilkan respons berupa tawa ketika situasi percakapan berubah. 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.
Keunggulan Model Suara Full-Duplex Dibandingkan Asisten Virtual Biasa
Fitur yang paling menonjol Dessa adalah pemrosesan percakapan dua arah secara simultan. Dalam komunikasi manusia, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Sebagai contoh, pendengar bisa mengatakan kata persetujuan ketika lawan bicara belum menyelesaikan kalimat. Karakteristik interaksi 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 memiliki kesempatan menginterupsi respons sistem tanpa mengikuti pola komunikasi satu arah.
Dalam asisten suara tradisional, proses interaksi sering dibagi menjadi beberapa tahap. Audio pengguna ditranskripsikan menjadi tulisan, kemudian diteruskan menuju model bahasa. Sesudah sistem menyusun keluaran, teks tersebut diproses oleh teknologi text-to-speech. Metode pemrosesan berurutan dapat bekerja dengan baik untuk berbagai tugas, tetapi berpotensi kehilangan informasi prosodi. Sebaliknya, model Block mengutamakan audio langsung sehingga intonasi dan ritme dapat dipelajari langsung. Walaupun arsitekturnya menarik, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.
Pendekatan Speech-to-Speech Membentuk Kemampuan Berbicara Alami
Tim pengembang menyampaikan, Dessa dibangun melalui pelatihan berbasis rekaman dialog tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Strategi pengembangan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena interaksi audio menjadi bahan pembelajaran inti. Berkat pelatihan yang berpusat pada audio, Dessa dirancang memahami perubahan ritme percakapan serta mengenali kapan perlu merespons. Kemampuan yang ditargetkan menjadi bagian mendasar dalam menghasilkan respons suara lebih ekspresif. Meski pendekatan penelitian diumumkan, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga representasi berbagai aksen masih memerlukan evaluasi.
Keunggulan potensial dari pendekatan tersebut adalah dukungan terhadap variasi penyampaian verbal. Dalam komunikasi manusia, makna tidak hanya berasal dari pilihan kata. Sebagai contoh, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Dalam demonstrasi publik, sistem menunjukkan tawa spontan. Perlu dipahami, ekspresi vokal bukan bukti adanya pengalaman emosional. Karena alasan tersebut, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras
Tidak hanya menghadirkan komunikasi simultan, Block menyoroti efisiensi komputasi. Dalam informasi teknis yang diumumkan, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut diklaim dapat berjalan pada perangkat konsumen tertentu. Perangkat keras yang dijadikan referensi adalah MacBook Pro dengan chip M4 Max atau perangkat yang memiliki kemampuan lebih tinggi. Tim pengembang turut mengklaim bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Namun demikian, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Pemrosesan kecerdasan buatan langsung di komputer menawarkan berbagai kemungkinan penggunaan. Salah satunya adalah kebutuhan koneksi server yang lebih sedikit. Pada penerapan yang sesuai, audio tidak harus dikirim menuju server eksternal. Pendekatan tersebut dapat mendukung kontrol privasi yang lebih baik. Selain itu, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Namun demikian, Dessa belum tersedia sebagai paket unduhan publik. Karena alasan tersebut, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Kemampuan mendengar dan berbicara bersamaan dapat menjadi dasar pengembangan berbagai layanan digital yang melibatkan komunikasi manusia dengan sistem otomatis. Contoh penggunaan potensial adalah layanan pelanggan berbasis suara. Pada interaksi pelayanan otomatis, kemampuan menyesuaikan giliran percakapan secara dinamis berpotensi mengurangi dialog yang kaku. Dalam skenario pelayanan, pelanggan yang perlu menambahkan keterangan berpeluang memberikan masukan secara langsung. Fungsi komunikasi tersebut dapat menjadi bahan penelitian lanjutan pada pengembangan antarmuka suara. Meski penerapannya menjanjikan, kemampuan tersebut masih perlu dibedakan dari produk yang telah diluncurkan.
Selain layanan pelanggan, Dessa membuka peluang pengembangan asisten virtual, platform latihan percakapan, dan perangkat pendamping digital. Ketika seseorang berlatih komunikasi lisan, AI yang mampu menanggapi secara alami dapat membantu membangun simulasi percakapan. Pada sisi lain, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Namun demikian, ketepatan respons pada lingkungan bising masih memerlukan pengujian lebih lanjut. Perlindungan informasi percakapan juga perlu diprioritaskan sebelum teknologi diterapkan pada layanan penting.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Kehadiran model AI suara Dessa memperlihatkan arah inovasi baru dalam penelitian model suara generatif. Dengan menggunakan pendekatan speech-to-speech, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Pendekatan audio sebagai dasar pelatihan menjadi unsur pembeda dibandingkan banyak sistem percakapan berbasis transkripsi. Tidak hanya menawarkan interaksi simultan, kemampuan ekspresi suara berpotensi membuat dialog lebih alami. Meski demonstrasinya menunjukkan potensi, Dessa belum tersedia secara umum. Keakuratan jawaban dan keandalan pada situasi nyata 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 pengembangan asisten virtual generasi baru.
