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.
Block Memperkenalkan Dessa sebagai Model AI Percakapan Suara Generasi Baru
Block resmi memperkenalkan Dessa sebagai sistem percakapan berbasis audio. Inovasi terbaru ini dirancang menciptakan interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Berbeda dari sejumlah sistem terdahulu, Dessa dibangun untuk memahami serta menghasilkan percakapan lisan. Pendekatan tersebut memberikan perhatian khusus pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Dalam pengumuman proyeknya, Dessa dilatih menggunakan rekaman percakapan manusia tanpa mengandalkan model bahasa pralatih. Pilihan arsitektur ini menjadi pembeda utama dalam penelitian AI percakapan.
Sistem percakapan tersebut dibangun melalui laboratorium riset AI di dalam Block yang berada di bawah arahan Ragavan Thurairatnam. Laboratorium pengembang berfokus pada kemampuan percakapan langsung. Melalui demonstrasi yang dipublikasikan, Dessa menunjukkan variasi intonasi dan jeda. Rekaman percakapan tersebut menunjukkan penggunaan jeda dan ekspresi suara ketika pembicara memberikan tanggapan tertentu. Walaupun demonstrasinya menarik, rekaman demonstrasi tidak menggantikan pengujian independen. Dengan mempertimbangkan hal 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 dukungan komunikasi full-duplex. Dalam komunikasi manusia, 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 membuat percakapan terasa lebih hidup. Dessa dirancang untuk meniru pola interaksi semacam itu melalui pemrosesan audio secara bersamaan. Dengan demikian, pengguna memiliki kesempatan menginterupsi respons sistem tanpa mengikuti pola komunikasi satu arah.
Pada banyak sistem percakapan terdahulu, proses interaksi dapat melibatkan sejumlah komponen berbeda. Masukan suara manusia diubah menjadi teks, kemudian dianalisis oleh sistem pemrosesan teks. Sesudah sistem menyusun keluaran, teks tersebut diproses oleh teknologi text-to-speech. Pendekatan tersebut masih berguna dalam sejumlah layanan, tetapi tidak selalu mempertahankan seluruh nuansa audio. Dalam pengembangannya, Dessa tidak mengandalkan tahapan teks tersebut sehingga intonasi dan ritme dapat dipelajari langsung. Namun perlu diperhatikan, kemampuan berbicara alami tidak selalu berarti pemahaman faktual lebih baik.
Pelatihan Berbasis Audio Menjadi Pembeda Model AI Dessa
Tim pengembang menyampaikan, Dessa mengembangkan kemampuan melalui data audio manusia tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Pendekatan tersebut mencerminkan arah penelitian yang tidak umum karena interaksi audio menjadi bahan pembelajaran inti. Dengan menggunakan rekaman manusia, Dessa dirancang memahami perubahan ritme percakapan serta menentukan waktu yang sesuai untuk menyela. Karakteristik tersebut memiliki peranan penting dalam membangun pengalaman percakapan yang tidak kaku. Walaupun metode pelatihannya telah dijelaskan, Block tidak merinci seluruh informasi data pelatihan sehingga keandalan pada beragam kondisi belum dapat dipastikan.
Keunggulan potensial dari pendekatan tersebut adalah kemampuan menghasilkan ekspresi suara. Dalam komunikasi manusia, makna tidak hanya berasal dari pilihan kata. Untuk memberikan gambaran, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Model suara ini dikembangkan dengan fokus pada karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Pada percakapan yang diperlihatkan pengembang, sistem menunjukkan tawa spontan. Meski demikian, kemampuan meniru emosi tidak sama dengan merasakan emosi. Karena alasan tersebut, penilaian kemampuan Dessa sebaiknya memperhatikan kualitas interaksi serta ketepatan jawaban.
Kemampuan Inferensi Dessa dan Kebutuhan Perangkat Keras
Di samping pemrosesan audio langsung, Block menyoroti efisiensi komputasi. Dalam informasi teknis yang diumumkan, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Walaupun menggunakan perangkat komputasi canggih, model tersebut disebut memungkinkan penggunaan langsung pada perangkat pengguna. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau perangkat yang memiliki kemampuan lebih tinggi. Dalam pemaparan proyek, perusahaan menjelaskan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Meski kemampuan komputasinya menjanjikan, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Kemampuan menjalankan AI secara lokal menawarkan berbagai kemungkinan penggunaan. Keunggulan yang dapat diperoleh adalah peluang menjalankan pemrosesan tanpa selalu mengirim audio ke pusat data. Dalam skenario tertentu, audio tidak harus dikirim menuju server eksternal. Pendekatan tersebut berpotensi membantu pengelolaan informasi pribadi. Selain itu, perangkat lokal berpotensi mempertahankan layanan ketika koneksi terbatas. Namun demikian, Dessa belum tersedia sebagai paket unduhan publik. Dengan demikian, manfaat implementasi nyata masih perlu dibuktikan.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Pendekatan interaksi audio simultan berpotensi digunakan dalam berbagai layanan digital yang mengandalkan interaksi suara langsung. Sektor yang dapat memperoleh manfaat adalah asisten percakapan untuk dukungan konsumen. Pada interaksi pelayanan otomatis, kemampuan menyesuaikan giliran percakapan secara dinamis dapat membuat komunikasi terasa lebih fleksibel. Untuk memberikan gambaran, pelanggan yang perlu menambahkan keterangan berpeluang memberikan masukan secara langsung. Fungsi komunikasi tersebut memiliki nilai praktis potensial pada pengembangan antarmuka suara. Walaupun konsepnya relevan, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.
Selain layanan pelanggan, Dessa dapat menjadi dasar penelitian asisten virtual, aplikasi pembelajaran interaktif, dan aplikasi yang mengandalkan dialog langsung. Pada penggunaan pendidikan, AI yang menyesuaikan ritme percakapan berpotensi menciptakan pengalaman latihan lebih realistis. Untuk kebutuhan aksesibilitas, antarmuka suara mungkin menjadi alternatif bagi pengguna dengan kebutuhan akses tertentu. Namun demikian, keandalan pengenalan bahasa masih memerlukan pengujian lebih lanjut. Perlindungan informasi percakapan juga membutuhkan perhatian khusus sebelum teknologi diterapkan pada layanan penting.
Perkembangan Model Full-Duplex sebagai Langkah Baru Kecerdasan Buatan
Pengembangan sistem percakapan full-duplex dari Block membawa kemajuan penting dalam dunia TEKNOLOGI kecerdasan buatan. Berkat arsitektur percakapan berbasis suara, Dessa memiliki kemampuan menjalankan komunikasi full-duplex. Pendekatan audio sebagai dasar pelatihan menjadi unsur pembeda dibandingkan banyak sistem percakapan berbasis transkripsi. Tidak hanya menawarkan interaksi simultan, dukungan variasi intonasi berpotensi membuat dialog lebih alami. Walaupun demikian, Dessa masih berada pada tahap penelitian terbatas. Keamanan interaksi dan ketersediaan perangkat lunak harus dikaji sebelum penerapan komersial. Dengan penelitian berkelanjutan, 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 masa depan AI suara full-duplex.
