Block Rilis Dessa, Model Suara AI yang Berjalan Lokal dan Terdengar Manusiawi

CIANJUR.CO - Block memperkenalkan Dessa, model suara berbasis kecerdasan buatan yang dirancang untuk merespons percakapan dengan ekspresi seperti manusia. Model yang dikembangkan di laboratorium riset perusahaan itu dapat berbicara dan mendengarkan pada saat bersamaan, serta disebut mampu menghadirkan tawa, jeda, tangisan, dan perubahan nada yang terasa alami.

Berdasarkan laporan TechCrunch AI, Block menyatakan Dessa dilatih sepenuhnya menggunakan ucapan manusia dan proses pelatihannya memakai satu GPU NVIDIA. Perusahaan juga mengatakan model tersebut dapat dijalankan secara lokal pada komputer konsumen, termasuk MacBook M4 Max atau perangkat dengan kemampuan lebih tinggi. Namun, Dessa belum tersedia untuk diakses publik.

Karakter full-duplex menjadi salah satu pembeda utama Dessa. Istilah itu merujuk pada kemampuan model untuk mendengarkan dan berbicara secara bersamaan, bukan hanya menunggu pengguna selesai berbicara sebelum merespons. TechCrunch AI membandingkan kemampuan tersebut dengan GPT-Live, model yang dirilis OpenAI pada awal tahun ini.

Dalam penjelasan perusahaan, banyak model suara biasanya dipasangkan dengan model bahasa besar untuk mengambil atau menyediakan pengetahuan. Block mengatakan pengetahuan Dessa berasal dari data percakapan yang digunakan model tersebut. Dengan demikian, perusahaan menekankan pendekatan yang berpusat pada ucapan, bukan rangkaian proses yang terlebih dahulu mengubah suara menjadi teks sebelum menghasilkan respons suara.

Baca juga: Studi: Grok Cenderung Memilih Republik, GPT Memilih Demokrat

Block menyebut suara sebagai cara paling alami untuk berinteraksi dengan kecerdasan. Perusahaan menggambarkan Dessa sebagai model percakapan full-duplex yang mengutamakan emosi, nuansa, jeda, dan irama bicara. Dalam pernyataan yang menyertai pengumuman, Block mengatakan berbicara dengan Dessa terasa seperti berbicara dengan seseorang. Klaim itu merujuk pada cara model menyampaikan respons, bukan hanya pada isi kata-katanya.

Menurut Block, sebagian model suara saat ini dapat terdengar tidak alami atau mengganggu karena teks berada di dalam proses pembangkitan suara. Sejumlah model, termasuk ElevenLabs v4 dan Fish Audio Drama 3, menggunakan tag suara untuk mengarahkan emosi dalam ucapan yang dihasilkan. Block mengklaim emosi sudah dibangun ke dalam Dessa, tetapi belum jelas apakah ekspresi tersebut tetap diarahkan menggunakan semacam tag.

Perusahaan juga mengkritik pendekatan yang mengubah suara menjadi teks, karena proses itu dinilai membuang banyak informasi yang tidak dapat dibawa oleh teks saja. Dalam unggahan blognya, Block menyebut interaksi dengan AI suara saat ini bisa terasa buruk karena AI tidak dapat menangkap bagaimana perasaan seseorang. Perusahaan menilai keterbatasan itu membuat pengalaman menjadi lebih buruk dan berpotensi menimbulkan bahaya.

Baca juga: OpenAI Hentikan Akses Internet Langsung untuk Pelatihan Model AI

Untuk memperlihatkan cara kerja model, para peneliti Block membagikan sejumlah contoh percakapan. Dalam salah satu rekaman, bot bercerita bahwa dirinya lelah setelah bekerja dan menyampaikan kalimat dengan suara yang terdengar letih. Contoh tersebut memperlihatkan perubahan emosi dalam penyampaian suara, bukan sekadar respons lisan dengan nada yang sama dari awal hingga akhir.

Contoh lain menampilkan bot berbicara tentang seseorang yang membuatnya merasa nyaman. Saat menyampaikan bagian itu, suaranya terdengar emosional dan hampir seperti akan menangis. Block turut membagikan demonstrasi ketika anggota timnya, Cara, memainkan permainan tebak-tebakan bersama Dessa. Dalam permainan tersebut, model langsung menebak jawaban pertama dengan benar, sementara tebakan kedua juga tidak membutuhkan waktu lama.

Block menyebut Dessa sebagai model speech-to-speech, yakni model yang berinteraksi menggunakan masukan dan keluaran suara. Dalam pernyataan lain, perusahaan mengatakan model itu dapat dijalankan pada GPU kelas konsumen dan menyebut pencapaiannya sebagai momen GPT-3 untuk teknologi suara. Pernyataan tersebut menggambarkan penilaian Block sendiri terhadap arti pengembangan model ini, bukan ukuran independen atas kemampuannya.

Baca juga: Microducks Jadi Sorotan, Prapesan Robot Mungil Tembus 20.000

Meski dikembangkan untuk penggunaan lokal, akses publik terhadap Dessa belum dibuka. Block justru mengajak peneliti keselamatan untuk menguji model tersebut. Salah satu hal yang ingin diuji adalah kemungkinan agen suara menipu orang yang berinteraksi dengannya. Langkah pengujian itu menjadi perhatian tersendiri karena suara yang terdengar meyakinkan dapat menjadi bagian dari pengalaman berkomunikasi dengan model.

Block bergerak di bidang keuangan dan menjual solusi bagi usaha kecil. Square, yang merupakan bagian dari bisnis perusahaan, telah menggunakan AI suara untuk menangani pemesanan. TechCrunch AI melaporkan bahwa model suara milik sendiri yang dapat berjalan di perangkat berpotensi memungkinkan Block mendukung lebih banyak pengalaman bagi bisnis maupun konsumen dengan biaya lebih rendah. Namun, laporan tersebut juga mencatat bahwa Dessa belum dapat digunakan publik, sehingga pemanfaatannya di berbagai layanan belum dijelaskan lebih lanjut.