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.
Kehadiran Dessa Membuka Pendekatan Baru dalam Interaksi Manusia dan AI
Perusahaan teknologi Block mengumumkan Dessa sebagai model AI suara eksperimental. Inovasi terbaru ini bertujuan menghadirkan interaksi antara manusia dan mesin yang terasa semakin alami. Tidak seperti banyak asisten suara konvensional, Dessa menggunakan audio sebagai dasar interaksi. Rancangan sistem tersebut memprioritaskan kemampuan pada intonasi, ritme, jeda, dan perubahan nada ketika seseorang berbicara. Menurut penjelasan pengembang, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa mengandalkan model bahasa pralatih. Pilihan arsitektur ini menjadi pembeda utama dalam industri kecerdasan buatan generatif.
Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Kelompok peneliti ini memusatkan penelitian pada interaksi berbasis suara. Berdasarkan rekaman pengujian yang ditampilkan, Dessa memperlihatkan kemampuan merespons secara ekspresif. Sejumlah demonstrasi menunjukkan penggunaan jeda dan ekspresi suara ketika interaksi berlangsung secara spontan. Walaupun demonstrasinya menarik, rekaman demonstrasi tidak menggantikan pengujian independen. Dengan mempertimbangkan hal tersebut, Dessa belum dapat dinilai sepenuhnya hanya berdasarkan demonstrasi publik.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Salah satu kemampuan utama Dessa adalah dukungan komunikasi full-duplex. Ketika dua orang berbincang, seseorang tidak selalu menunggu lawan bicara selesai sepenuhnya. Untuk memberikan gambaran, pendengar bisa mengatakan kata persetujuan 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. Melalui rancangan tersebut, pengguna bisa memberikan masukan sebelum jawaban selesai tanpa harus menunggu giliran secara kaku.
Pada banyak sistem percakapan terdahulu, proses interaksi sering dibagi menjadi beberapa tahap. Masukan suara manusia diubah menjadi teks, kemudian diteruskan menuju model bahasa. Setelah respons tersedia, teks tersebut diproses oleh teknologi text-to-speech. Metode pemrosesan berurutan telah mendukung banyak aplikasi praktis, tetapi dapat mengurangi sebagian konteks ekspresi suara. Dessa menggunakan pendekatan berbeda 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 mengembangkan kemampuan melalui data audio manusia tanpa mengandalkan tahapan pelatihan berbasis tulisan. Strategi pengembangan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena suara menjadi sumber utama informasi. Berkat pelatihan yang berpusat pada audio, Dessa dirancang memahami perubahan ritme percakapan serta mengenali kapan perlu merespons. Aspek pembelajaran ini mendukung pengembangan dalam menciptakan dialog yang terdengar alami. Namun demikian, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga keandalan pada beragam kondisi belum dapat dipastikan.
Salah satu aspek menarik adalah dukungan terhadap variasi penyampaian verbal. Ketika seseorang menyampaikan pesan, makna tidak hanya berasal dari pilihan kata. Untuk memberikan gambaran, kalimat yang sama mungkin disampaikan dengan nada serius maupun bercanda. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui pembelajaran langsung dari rekaman percakapan. Pada percakapan yang diperlihatkan pengembang, sistem menunjukkan tawa spontan. Meski demikian, suara emosional tidak membuktikan AI memiliki perasaan. Dengan demikian, penilaian kemampuan Dessa harus mempertimbangkan kealamian vokal dan keandalan informasi secara terpisah.
Efisiensi Pemrosesan Model AI Suara Block Menjadi Perhatian
Di samping pemrosesan audio langsung, Block menyoroti efisiensi komputasi. Menurut perusahaan, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Meskipun proses pelatihannya membutuhkan akselerator kelas pusat data, model tersebut diklaim dapat berjalan pada perangkat konsumen tertentu. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau komputer dengan kapasitas komputasi setara atau lebih kuat. Block juga menyatakan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Walaupun klaim tersebut menarik, informasi kebutuhan memori belum dipublikasikan secara menyeluruh.
Pemrosesan kecerdasan buatan langsung di komputer menawarkan berbagai kemungkinan penggunaan. Manfaat yang mungkin muncul adalah berkurangnya ketergantungan terhadap layanan cloud. Pada penerapan yang sesuai, audio tidak harus dikirim menuju server eksternal. Pendekatan tersebut memberikan pilihan pengolahan data yang lebih mandiri. Tidak kalah penting, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Namun demikian, akses terhadap perangkat lunak masih terbatas. Karena alasan tersebut, pengguna belum bisa mengasumsikan seluruh kemampuan tersebut telah tersedia sebagai produk.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Fitur komunikasi full-duplex berpotensi digunakan dalam berbagai layanan digital yang membutuhkan respons percakapan cepat. Contoh penggunaan potensial adalah layanan pelanggan berbasis suara. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan menyesuaikan giliran percakapan secara dinamis dapat membuat komunikasi terasa lebih fleksibel. Untuk memberikan gambaran, pelanggan yang perlu menambahkan keterangan dapat berinteraksi tanpa mengikuti urutan respons yang terlalu ketat. Pendekatan semacam itu menarik untuk dikembangkan pada layanan bisnis dan komunikasi. Meski penerapannya menjanjikan, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.
Tidak terbatas pada interaksi konsumen, Dessa membuka peluang pengembangan asisten virtual, platform latihan percakapan, dan aplikasi yang mengandalkan dialog langsung. Dalam kegiatan belajar bahasa, AI yang menyesuaikan ritme percakapan memungkinkan interaksi yang lebih mendekati dialog manusia. Pada sisi lain, antarmuka suara dapat membantu pengguna yang kesulitan mengetik. Namun demikian, kemampuan memahami aksen harus dinilai melalui evaluasi pengguna yang beragam. Aspek keselamatan dan privasi juga perlu diprioritaskan sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Potensi Model Percakapan Block dalam Mengubah Interaksi Digital
Pengembangan sistem percakapan full-duplex dari Block memperlihatkan arah inovasi baru dalam penelitian model suara generatif. Dengan menggunakan pendekatan speech-to-speech, Dessa dapat memproses ucapan pengguna sambil memberikan respons. Metode pembelajaran tanpa data teks menciptakan arah pengembangan tersendiri dibandingkan pendekatan yang mengutamakan pemrosesan teks. Di samping keunikan arsitekturnya, dukungan variasi intonasi berpotensi membuat dialog lebih alami. Meskipun teknologi tersebut menjanjikan, Dessa masih berada pada tahap penelitian terbatas. Kesesuaian penggunaan lintas bahasa dan perlindungan privasi masih memerlukan pengujian. Berkat evaluasi lebih mendalam, teknologi AI suara berpotensi mengubah pengalaman percakapan manusia dengan komputer. Seberapa menarik menurut Anda kemampuan AI yang menghasilkan respons suara dengan intonasi alami? Bagikan pandangan Anda mengenai pengembangan asisten virtual generasi baru.
