Berita viral hari ini datang dari Block, perusahaan teknologi yang dipimpin Jack Dorsey. Block memperkenalkan Dessa, model suara yang dilatih dari nol hanya dengan rekaman percakapan manusia, tanpa teks dan tanpa model pramuat. Perusahaan menyebut Dessa sebagai model speech to speech full duplex yang bisa diajak bicara seperti manusia. Pengumuman disampaikan pada 23 Oktober 2026 lewat laman resmi Block dan akun X para penelitinya.
Berita Viral: Dessa dan Model Tanpa Teks
Pendekatan umum industri suara hari ini adalah mengubah ucapan menjadi teks, memproses teks itu, lalu mengubah balasan menjadi suara. Block menilai cara itu membuang banyak informasi yang tidak bisa dibawa teks. Nada, jeda, tawa, sarkasme, dan napas panjang hilang sebelum model sempat memahami maksud pembicara.
Dessa tidak melewati jalur itu. Model menerima audio dan mengeluarkan audio, tanpa perantara teks sama sekali. Karena itu Block menyebutnya speech to speech sejati, bukan rangkaian tiga model yang dirangkai menjadi satu produk.
Klaim utama Block sederhana dan ambisius. Menurut perusahaan, Dessa adalah AI pertama yang bisa diajak percakapan langsung secara realistis setelah dilatih hanya dari suara manusia. Block menambahkan frasa sejauh yang kami tahu, karena mereka belum menemukan model lain dengan resep serupa.
Iklan
Paviliun Akademika: punya kost tanpa repot kelola
Paviliun Akademika menghadirkan pilihan investasi kost terkelola di Akademika Townhouse, Gowa. Unit disiapkan untuk disewakan, dengan pengelolaan kawasan yang ditangani pemilik proyek.
Cara Kerja Full Duplex
Full duplex berarti model bisa mendengar dan berbicara pada waktu yang sama. Dessa tidak menunggu pembicara selesai sebelum menyiapkan jawaban. Ia bisa menyela, memberi respons pendek seperti yeah atau got it, lalu kembali mendengarkan.
Kemampuan itu terlihat sepele, tetapi sulit dibangun. Percakapan manusia penuh tumpang tindih, kalimat yang berhenti di tengah, dan jeda yang punya arti. Model yang hanya mendengar setelah lawan bicara diam akan terasa kaku dan lambat.
Block juga mengklaim inferensi berjalan lebih cepat daripada waktu nyata. Artinya tidak ada jeda canggung sebelum balasan muncul. Model bisa dijalankan lokal di MacBook Pro dengan chip M4 Max atau lebih tinggi, tanpa bergantung pada pusat data.
Emosi, Tawa, dan Suara yang Menggetar
Block menempatkan emosi sebagai inti produk. Dessa dilatih mengenali tawa, sarkasme, desahan frustrasi, dan suara yang pecah karena sedih. Semua itu informasi yang hilang ketika ucapan diubah menjadi teks.
Dalam demo yang dipublikasikan, Dessa tertawa di tengah kalimat, bukan menunggu giliran. Ia juga bisa meninggikan suara ketika diminta bicara lebih keras, perilaku yang menurut Block tidak diajarkan secara khusus.
Tim peneliti menyebut kemampuan itu penting untuk keselamatan. AI yang buta emosi bisa gagal mengenali pengguna yang sedang kesakitan atau panik. Block menjadikan skenario itu alasan utama di balik proyek ini.
Satu Rack GB200 dan Laptop M4 Max
Melatih model suara dari nol bukan pekerjaan murah. Block menyatakan Dessa dilatih hanya dengan satu unit NVIDIA GB200 NVL72. Angka itu dipakai untuk menunjukkan bahwa pendekatan speech only tidak harus memakai kluster raksasa.
Block mengklaim Dessa belajar bahasa dengan kata ratusan kali lebih sedikit dibanding model bahasa berbasis teks. Perusahaan tidak merinci perbandingan itu, sehingga angka pastinya belum bisa diperiksa. Crypto Briefing mencatat klaim tersebut belum disertai data pembanding yang terbuka.
Sisi inferensi juga menarik. Model berjalan di laptop kelas atas, bukan di server. Jika klaim ini bertahan, model suara pribadi yang tidak mengirim rekaman ke cloud menjadi lebih masuk akal secara teknis.
Demo, Klaim, dan Batas Bukti
Bukti publik yang tersedia saat ini berupa rekaman demo yang dipilih sendiri oleh Block. Semua klip adalah percakapan langsung dengan Dessa, dan subtitle ditambahkan setelah rekaman selesai. Tidak ada satu pun contoh yang direkam pihak independen.
Belum ada benchmark, ukuran parameter, atau daftar bahasa resmi. Laporan yang sama mencatat beberapa demo bahkan memperlihatkan keterbatasan, seperti salah mengenali pembicara atau tiba-tiba berpindah topik di tengah percakapan.
Block juga menyertakan percakapan Dessa dengan GPT-Live-1, model suara pihak ketiga. Perusahaan menegaskan pengembang GPT-Live-1 tidak berafiliasi dan belum meninjau atau mendukung Dessa. Unite.AI menulis bahwa akses awal akan diberikan kepada peneliti keselamatan AI.
