Block merilis Dessa, model suara yang bicara tanpa teks dan cukup ringan jalan di laptop

Block, perusahaan di balik Square dan Cash App, memperkenalkan model suara bernama Dessa pada 23 Oktober 2026 lewat akun Jack Dorsey dan akun resmi perusahaan. Yang membedakannya dari model suara lain adalah asal latihannya: Dessa dilatih dari nol hanya dengan rekaman percakapan manusia, tanpa data teks dan tanpa model dasar yang sudah jadi. Karena itu ia memproses audio secara langsung, tidak mengubah suara menjadi transkrip lebih dulu sebelum menyusun jawaban. Arsitektur seperti ini biasa disebut speech-to-speech.

Sifat keduanya adalah full-duplex, artinya model dapat mendengar dan berbicara pada saat yang sama, seperti manusia dalam percakapan biasa. Dalam demonstrasi yang dirilis perusahaan, Dessa tertawa di tengah kalimat, bereaksi terhadap pertanyaan tak terduga dengan nada terkejut, dan menangani interupsi tanpa jeda canggung. Block menyatakan rekaman itu dibuat langsung tanpa mengarahkan respons model. Mashable mencatat salah satu klip paling informatif justru yang mempertemukan Dessa dengan agen suara lain, karena kontras antara irama robotik dan irama manusiawinya terlihat jelas.

Di balik layar, Block menyebut Dessa dilatih memakai satu sistem komputasi Nvidia GB200 NVL72 dan cukup kompak untuk dijalankan secara lokal pada MacBook Pro dengan chip M4 Max atau yang lebih baru. Klaim itu penting secara arsitektur: model suara berkualitas tinggi biasanya bergantung pada server, sedangkan menjalankannya di perangkat sendiri membuka kemungkinan pemakaian tanpa mengirim audio pengguna ke luar. Namun angka pastinya belum terbuka. Block tidak mengungkapkan jumlah parameter, hasil tolok ukur, maupun tanggal rilis publik.

Alasan perusahaan membangunnya dijelaskan dalam pernyataan resmi yang dikutip Mashable: mereka menilai antarmuka suara hari ini membuang potensi suara karena meratakan ucapan menjadi teks dan tidak mampu mengikuti tempo manusia, sehingga AI nyaris tuli terhadap emosi dalam suara. Contoh yang mereka pakai cukup konkret: seseorang yang sedang kesakitan tetapi agen suara tidak menyadarinya dan terus berbicara. Block menyebut itu masalah keselamatan, bukan sekadar kenyamanan.

Reaksi publik terbelah, dan itu bagian dari beritanya. Sebagian pengguna memuji kewajarannya, termasuk pendiri Binance Changpeng Zhao yang menyebut teknologi semacam ini bisa membantu pendidikan anak. Sebaliknya, sutradara Justine Bateman mempertanyakan mengapa suara AI harus terdengar persis seperti manusia karena bisa dipakai menurunkan kewaspadaan orang, dan jurnalis Shiv Aroor memperkirakan panggilan penipuan akan meledak. Block menjawab dengan membuka akses awal hanya kepada sekelompok kecil peneliti keselamatan AI, bukan ke publik, dan menyatakan penelitian independen masih diperlukan untuk menilai risiko yang mungkin terlewat oleh perusahaan.