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 sistem percakapan berbasis audio. Inovasi terbaru ini bertujuan menghadirkan interaksi antara manusia dan mesin yang lebih menyerupai percakapan sehari-hari. Jika dibandingkan dengan pendekatan percakapan berbasis teks, Dessa menggunakan audio sebagai dasar interaksi. Pendekatan tersebut menempatkan fokus utama pada intonasi, ritme, jeda, dan ekspresi yang muncul dalam percakapan. Menurut penjelasan pengembang, Dessa dikembangkan melalui pembelajaran dari data audio percakapan tanpa menggunakan teks sebagai data pelatihan. Strategi tersebut membuat proyek ini menarik perhatian dalam industri kecerdasan buatan generatif.
Dessa dikembangkan oleh laboratorium riset AI di dalam Block yang dipimpin oleh Ragavan Thurairatnam. Tim tersebut berfokus pada kemampuan percakapan langsung. Melalui demonstrasi yang dipublikasikan, Dessa menunjukkan variasi intonasi dan jeda. Sejumlah demonstrasi menunjukkan penggunaan jeda dan ekspresi suara ketika pembicara memberikan tanggapan tertentu. Walaupun demonstrasinya menarik, rekaman demonstrasi tidak menggantikan pengujian independen. Oleh sebab itu, Dessa masih perlu dievaluasi melalui pengujian lebih luas.
Cara Kerja Komunikasi Dua Arah Secara Bersamaan pada AI Dessa
Karakteristik penting Dessa adalah dukungan komunikasi full-duplex. Pada interaksi lisan sehari-hari, seseorang sering merespons sebelum percakapan mencapai jeda panjang. Sebagai contoh, pendengar dapat memberikan respons singkat ketika pembicara masih menjelaskan sesuatu. Karakteristik interaksi tersebut memberikan kesan komunikasi yang lebih responsif. Dessa dirancang untuk meniru pola interaksi semacam itu melalui pengelolaan masukan dan keluaran suara simultan. Berkat pendekatan full-duplex, pengguna memiliki kesempatan menginterupsi respons sistem tanpa selalu menunggu proses respons berakhir.
Dalam asisten suara tradisional, proses interaksi sering dibagi menjadi beberapa tahap. Audio pengguna diproses melalui pengenalan ucapan, kemudian diteruskan menuju model bahasa. Ketika jawaban berhasil dibuat, teks tersebut diproses oleh teknologi text-to-speech. Arsitektur bertahap ini telah mendukung banyak aplikasi praktis, tetapi tidak selalu mempertahankan seluruh nuansa audio. Sebaliknya, model Block mengutamakan audio langsung sehingga karakteristik percakapan lisan menjadi dasar pembelajaran. Walaupun arsitekturnya menarik, pendekatan langsung tidak otomatis menjamin jawaban lebih akurat.
Pendekatan Speech-to-Speech Membentuk Kemampuan Berbicara Alami
Menurut informasi perusahaan, Dessa dilatih dari awal menggunakan percakapan manusia tanpa menggunakan model bahasa yang telah dilatih sebelumnya. Strategi pengembangan tersebut memberikan karakteristik khusus dibandingkan model konvensional karena suara menjadi sumber utama informasi. Dengan menggunakan rekaman manusia, Dessa dirancang memahami perubahan ritme percakapan serta mempelajari pola pergantian pembicara. Karakteristik tersebut menjadi bagian mendasar dalam menghasilkan respons suara lebih ekspresif. Walaupun metode pelatihannya telah dijelaskan, Block belum membuka detail menyeluruh mengenai materi pembelajaran sehingga cakupan kemampuan bahasa belum dapat dinilai secara pasti.
Karakteristik lain yang menonjol adalah pemrosesan karakter emosional dalam dialog. Pada percakapan sehari-hari, intonasi turut memengaruhi cara pesan diterima. Untuk memberikan gambaran, kalimat yang sama dapat terdengar gembira atau kecewa. Dessa dirancang untuk memperhatikan karakteristik tersebut melalui analisis pola ekspresi audio. Melalui contoh rekaman yang dibagikan, sistem menunjukkan tawa spontan. 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
Tidak hanya menghadirkan komunikasi simultan, Block mengungkap kemampuan pemrosesan lokal. Berdasarkan klaim pengembang, Dessa dilatih menggunakan satu sistem NVIDIA GB200 NVL72. Sekalipun pelatihan dilakukan pada sistem berperforma tinggi, model tersebut diklaim dapat berjalan pada perangkat konsumen tertentu. Salah satu konfigurasi yang digunakan sebagai acuan adalah MacBook Pro dengan chip M4 Max atau perangkat yang memiliki kemampuan lebih tinggi. Block juga menyatakan bahwa inferensi Dessa berpotensi menghasilkan respons dalam waktu lebih singkat daripada durasi audio. Meski kemampuan komputasinya menjanjikan, angka latensi terukur belum tersedia secara lengkap.
Dukungan inferensi pada perangkat pengguna menawarkan berbagai kemungkinan penggunaan. Keunggulan yang dapat diperoleh adalah berkurangnya ketergantungan terhadap layanan cloud. Dalam skenario tertentu, audio tidak harus dikirim menuju server eksternal. Metode pemrosesan lokal ini memberikan pilihan pengolahan data yang lebih mandiri. Tidak kalah penting, perangkat lokal membantu menghindari sebagian keterlambatan komunikasi server. Namun demikian, ketersediaan model untuk pengguna umum belum diumumkan. Dengan demikian, klaim penggunaan lokal belum dapat diuji secara luas.
Peluang Penggunaan Dessa untuk Asisten Virtual dan Layanan Pelanggan
Kemampuan mendengar dan berbicara bersamaan dapat menjadi dasar pengembangan berbagai layanan digital yang membutuhkan respons percakapan cepat. Sektor yang dapat memperoleh manfaat adalah layanan pelanggan berbasis suara. Ketika pelanggan berkomunikasi dengan sistem AI, kemampuan menyesuaikan giliran percakapan secara dinamis berpotensi mengurangi dialog yang kaku. Dalam skenario pelayanan, pelanggan yang perlu menambahkan keterangan berpeluang memberikan masukan secara langsung. Kemampuan ini memiliki nilai praktis potensial pada sistem dukungan pelanggan. Namun demikian, belum terdapat kepastian layanan bisnis yang menggunakan Dessa.
Tidak terbatas pada interaksi konsumen, Dessa membuka peluang pengembangan asisten virtual, layanan pendidikan berbasis suara, dan sistem bantuan berbicara. Ketika seseorang berlatih komunikasi lisan, AI yang dapat merespons interupsi dapat membantu membangun simulasi percakapan. Untuk kebutuhan aksesibilitas, antarmuka suara berpeluang mempermudah interaksi tanpa keyboard. Meski demikian, keandalan pengenalan bahasa masih memerlukan pengujian lebih lanjut. Aspek keselamatan dan privasi juga membutuhkan perhatian khusus sebelum AI diintegrasikan dalam aplikasi sehari-hari.
Kesimpulan Inovasi Dessa dan Masa Depan Teknologi AI Suara
Perkenalan Dessa oleh Block membawa kemajuan penting dalam pengembangan komunikasi antara manusia dan mesin. Dengan menggunakan pendekatan speech-to-speech, Dessa dirancang untuk mendengar dan berbicara bersamaan. Pelatihan berbasis rekaman manusia memberikan karakteristik yang berbeda dibandingkan pendekatan yang mengutamakan pemrosesan teks. Selain itu, kemampuan ekspresi suara dapat meningkatkan kenyamanan percakapan. Meski demonstrasinya menunjukkan potensi, Dessa tetap membutuhkan evaluasi independen yang lebih luas. Kesesuaian penggunaan lintas bahasa dan perlindungan privasi menjadi aspek yang perlu diperhatikan. Melalui pengembangan yang bertanggung jawab, teknologi AI suara dapat memperluas fungsi asisten virtual. Seberapa menarik menurut Anda kemampuan AI yang menghasilkan respons suara dengan intonasi alami? Silakan bagikan pendapat Anda mengenai manfaat teknologi percakapan seperti Dessa.
