Gila. Kalau kamu udah pernah nyobain mode suara dua arah (Advanced Voice Mode) dari ChatGPT, kamu pasti paham betapa magisnya fitur itu. AI-nya bisa mengambil napas, mengubah nada emosi, dan yang paling gila: bisa kita sela (interrupt) di tengah kalimat tanpa nge-lag.
Tapi, di balik mulusnya fitur tersebut, ada cerita "berdarah-darah" yang baru saja dibongkar oleh Kundan Kumar, salah satu peneliti di OpenAI.
Dalam cuitannya di X (Twitter), Kundan menceritakan bahwa proyek yang diberi kode gpt-live (full-duplex model) ini dulunya dianggap sebagai misi bunuh diri. Jalur teknologinya buntu, dan tim sering kali cuma bisa bengong menyadari kenapa eksperimen mereka gagal total.
Namun, ada satu hal yang bikin Kundan merinding: Manajemen OpenAI menolak untuk menyerah.
Mentalitas Raksasa vs Mentalitas "Copycat"
Di dunia korporat atau startup lokal yang sering kita temui, hukum alamnya kejam. Kalau 3 bulan KPI proyek nggak tercapai, pasti langsung di-cut sama bos atau investor. Apalagi kalau proyeknya bakar duit gila-gilaan buat training model AI.
Namun, pimpinan OpenAI justru ngasih cek kosong berupa sumber daya, waktu, dan kepercayaan penuh buat tim gpt-live untuk terus bertaruh. Kenapa? Karena mereka sadar, inovasi sejati itu absurd. Kegagalan ke-99 mungkin adalah kunci buat keberhasilan ke-100.
Fenomena ini dikomentari dengan sangat tajam oleh akun pengamat AI, @MayForAI. Ia membedah perbedaan kasta antara laboratorium frontier sejati (seperti OpenAI/Anthropic) dan perusahaan pengekor (fast-follower).
| Aspek Bisnis | Perusahaan Pengekor (Fast Follower) | Laboratorium Frontier (OpenAI/Anthropic) |
|---|---|---|
| Pola Inovasi | Mengambil barang yang udah terbukti laku, lalu dipoles biar lebih efisien 90%. | Nekat bertaruh bertahun-tahun pada ide gila yang belum tentu bisa jalan. |
| Toleransi Gagal | Sangat rendah. ROI harus kelihatan di kuartal depan. | Sangat tinggi. Gagal adalah ongkos riset. |
| Target Akhir | Pangsa pasar instan & profit. | Mengubah sejarah dan menciptakan standar industri baru (0 to 1). |
Sesulit Apa Sih Bikin AI "Full-Duplex"?
Buat kamu yang mungkin nanya, "Emang se-susah itu ya bikin AI ngomong?", jawabannya: IYA. Banget.
Kebanyakan chatbot suara yang ada di pasaran itu pake sistem Half-Duplex (gantian ngomongnya, kayak pake Walkie-Talkie). Kamu ngomong ➡️ direkam ➡️ diubah ke teks (STT) ➡️ diproses LLM ➡️ diubah lagi ke suara (TTS). Proses ini lambat dan kaku.
Yang dibikin OpenAI lewat gpt-live adalah Full-Duplex. AI dan manusia bisa saling nguping dan ngomong di waktu bersamaan, persis kayak adu bacot di ruang meeting Jakarta Selatan.
Sebagai gambaran kodingannya, sistem biasa itu modal panggil API REST yang nunggu teks selesai. Sedangkan full-duplex itu bermain dengan sambungan WebSocket yang ngalirin chunk audio mili-detik secara terus-menerus!
// Sistem jadul: Ngirim Teks -> Nunggu Teks Balasanasync function askAI(transcribedText) { const response = await fetch('/api/chat', { method: 'POST', body: JSON.stringify({ message: transcribedText }) }); const data = await response.json(); playAudio(data.audioBuffer); // Kaku, nggak bisa disela}Jika Anda sedang membangun aplikasi AI, jangan terobsesi untuk meniru full-duplex jika infrastruktur Anda belum siap menahan beban latensi WebSocket skala besar. Fokuslah dulu pada kecepatan respons teks-ke-suara yang stabil.
Kisah Kundan Kumar ini jadi tamparan keras buat industri teknologi. Di tengah maraknya startup yang maunya "serba instan, modal niru, besok cuan", OpenAI membuktikan bahwa keajaiban sejati itu lahir dari keras kepala untuk menolak menyerah pada kemustahilan.
Sains itu emang se-absurd itu, bro. Kamu nggak bakal pernah tahu kegagalan keberapa yang akhirnya ngebuka pintu keajaiban.
Sumber: X