Perusahaan finansial milik Jack Dorsey, Block, merilis model suara kecerdasan buatan (AI) baru bernama Dessa yang dikembangkan oleh laboratorium penelitian mereka. Model AI ini dirancang untuk dapat berjalan secara lokal di perangkat pengguna dan memiliki kemampuan menghasilkan suara yang menyerupai manusia, lengkap dengan ekspresi seperti tertawa, mengambil jeda saat berbicara, hingga menangis.
Teknologi Lanjutan dan Kemampuan Emosional
Block menjelaskan bahwa Dessa dilatih sepenuhnya menggunakan data percakapan manusia dengan dukungan satu rak GPU NVIDIA. Dessa merupakan model full-duplex, yang memungkinkan sistem untuk berbicara dan mendengarkan secara bersamaan, serupa dengan teknologi model GPT-Live yang dirilis oleh OpenAI pada awal tahun ini.
Pada umumnya, model suara AI digabungkan dengan model bahasa besar (LLM) untuk menarik data pengetahuan. Namun, Block menyatakan bahwa pengetahuan Dessa berasal langsung dari data percakapan yang dimilikinya. Pihak perusahaan menilai model suara yang ada saat ini sering kali terdengar kaku dan mengganggu karena masih mengandalkan alur teks untuk menghasilkan percakapan. Beberapa model lain seperti ElevenLabs v4 atau Fish Audio Drama 3 menggunakan label suara untuk memicu emosi, sedangkan Block mengklaim bahwa emosi pada Dessa sudah tertanam langsung di dalam modelnya.
“Berinteraksi dengan AI suara saat ini bisa sangat menyebalkan. Sistem tersebut mengubah suara Anda menjadi teks dan membuang sejumlah besar informasi yang tidak dapat ditampung oleh teks saja. AI terkuat di dunia sekalipun tidak bisa mendengar apa yang Anda rasakan. Kami pikir itu konyol, menghasilkan pengalaman yang lebih buruk, dan berpotensi berbahaya,” tulis Block dalam unggahan di blok resminya, seperti dilaporkan TechCrunch.
Pengujian dan Potensi Implementasi Bisnis
Para peneliti di Block telah membagikan beberapa contoh interaksi percakapan dengan Dessa yang menunjukkan variasi suara, irama, dan emosi. Dalam salah satu contoh, agen AI tersebut terdengar lelah ketika mengatakan bahwa dirinya lelah setelah bekerja. Pada contoh lain, agen AI tersebut terdengar sangat emosional hingga hampir menangis saat membicarakan rasa nyaman, serta mampu berinteraksi saat bermain gim bersama anggota tim Block.
Model AI Dessa dirancang agar mampu dijalankan secara lokal pada komputer tingkat konsumen, seperti MacBook M4 Max atau spesifikasi di atasnya. Meski demikian, Block saat ini belum membuka akses publik untuk Dessa dan sedang membuka kesempatan bagi para peneliti keamanan untuk menguji model tersebut, terutama guna mengantisipasi potensi penyalahgunaan seperti penipuan berbasis suara.
Block merupakan perusahaan yang bergerak di bidang keuangan dan menyediakan berbagai solusi bagi usaha kecil, termasuk unit usahanya, Square, yang sudah memanfaatkan AI suara untuk mengelola pesanan. Kehadiran model suara mandiri yang dapat dijalankan langsung di dalam perangkat ini berpotensi menekan biaya operasional sekaligus memperluas layanan bagi konsumen dan pelaku bisnis.
Sumber: TechCrunch
