Decagon Voice 3: Spek Chord & Fitur Baru Agen Suara

Decagon pada 1 Oktober 2026 merilis Voice 3 bersama Chord, model suara pertama dari Decagon Labs, di acara Decagon Dialogues 2026. Ini adalah agen suara untuk layanan pelanggan yang dirancang agar bisa mendengar, berbicara, dan menjalankan tugas secara bersamaan — bukan sekadar bot IVR yang diam saat menunggu lookup.

Artikel ini akan menjelaskan spesifikasi Chord, arsitektur duplex Voice 3, perbedaannya dengan pipeline STT–LLM–TTS biasa, bagaimana limit bahasa dan izin agen pribadi, plus catatan singkat buat tim contact center dan BPO yang bekerja dari Indonesia. Fokusnya pada rilis produk dan angka yang dipublikasikan — bukan kursus bangun voice stack dari nol.

Di X, unggahan resmi @DecagonAI soal Voice 3 mendapat puluhan ribu impression dalam hitungan jam. Banyak reaksi yang sama: lega soal “tidak ada hold music,” sekaligus skeptis bahwa klaim blind-test dan kenaikan resolution rate masih angka internal perusahaan. Engineer Decagon yang ikut merilis duplex bahkan menekankan bahwa yang sulit bukan suara bagus, melainkan pulih dari interupsi dan perubahan arah di tengah panggilan.

Apa yang baru di Voice 3

Voice 3 bukan patch kecil di atas Voice lama. Di Dialogues 2026, Decagon mengikat empat rilis sekaligus: Voice 3 + Chord, Personal Agent Gateway (dengan protokol PACT), Agent Modules, dan Duet Apprentice (beta). Co-founder Jesse Zhang (CEO) dan Ashwin Sreenivas (President) membingkai semuanya sebagai langkah dari “resolve ticket” menuju AI concierge yang melayani manusia dan agen pribadi pelanggan.

Yang dikunci di pengumuman resmi Voice 3:

1. Chord sebagai speech model khusus percakapan CX, bukan model narasi buku atau voice-over game
2. Arsitektur duplex dengan dua lapisan paralel: model percakapan berlatensi rendah + model penalaran/tool/guardrail
3. Dukungan lebih dari 70 bahasa, deteksi otomatis, dan ganti bahasa di tengah kalimat
4. Suara lokal per pasar, divalidasi penutur asli sebelum dirilis
5. Kontrol brand yang sudah familiar: pilihan voice, pengucapan istilah bisnis, dan gaya penyampaian
6. Klaim evaluasi internal: blind listening, preference test, serta sebelum–sesudah resolution/barge rate di tiga industri
7. Chord dilatih dari data berlisensi dan talent suara yang memberi consent — bukan data milik pelanggan
8. Inferensi produksi Chord dilayani di Modal

Catatan: Angka evaluasi di bawah ini berasal dari laporan Decagon. Outlet seperti Zeniteq mengingatkan bahwa detail volume panggilan dan kontrol eksperimen belum dipublikasikan secara independen.

Spek Chord: model suara khusus CX

Sebagian besar voice agent terdengar kaku karena model di belakangnya dilatih untuk banyak kasus: membacakan teks panjang, dubbing, atau asisten umum. Chord dibangun dengan asumsi berbeda. Model ini di-post-train pada percakapan customer experience nyata, lalu membentuk ucapan frase demi frase.

Beberapa perilaku yang ditekankan Decagon:

• Memperlambat tempo saat membaca kode konfirmasi atau nomor telepon, lalu kembali ke ritme percakapan
• Menjaga jeda, penekanan, dan disfluency yang biasanya dibersihkan di pipeline TTS “bersih”
• Base model digambarkan sebagai tokenizer-free diffusion — Decagon berargumen bahwa tokenisasi audio membuang detail akustik di setiap langkah
• Proses transkripsi verbatim dan metode rekaman yang memadukan isi skrip dengan naturalitas percakapan bebas, bukan bacaan performatif talent

Di blind test tiga pasangan suara (manusia vs Chord yang meniru suara yang sama), pengumuman Voice 3 merangkum hasilnya sebagai sekitar 90% pendengar tidak bisa membedakan. Tulisan teknis Chord memberi angka lebih rinci: 45,7% pendengar justru mengira suara manusia adalah AI — mendekati koin 50–50.

Ada juga preference test melawan tiga speech model “leading”: dari 185 pendengar, Chord menempati posisi pertama keseluruhan dengan 36,2%, dan di beberapa round mencapai 48,4%.

Pelanggan yang hanya mengganti voice ke Chord (tanpa mengubah program lain) dilaporkan mengalami kenaikan resolution rate:

Barge rate di sini didefinisikan Decagon sebagai porsi panggilan yang tujuan utamanya hanya “tembus ke manusia.” Angka di atas adalah klaim perusahaan, bukan audit pihak ketiga.

Arsitektur duplex: bicara sambil kerja

Masalah klasik voice bot adalah pipeline berjenjang: speech-to-text → LLM → text-to-speech. Setiap tahap menambah delay. “Mhm” singkat bisa memicu interupsi salah. Lookup akun yang lama meninggalkan keheningan — atau musik hold yang membuat orang kesal.

Voice 3 memakai duplex architecture:

1. Lapisan percakapan berlatensi rendah — mendengar, menjawab, memberi update progres
2. Lapisan penalaran yang lebih kuat — tool calling, keputusan, dan guardrail di belakang layar

Kedua lapisan berjalan paralel. Agen tetap memproses audio masuk saat berbicara, sehingga bisa “melewati” affirmation singkat tapi mengalah pada interupsi sungguhan. Saat tugas panjang berjalan, agen bisa menceritakan progres, menjawab pertanyaan susulan, atau membantu permintaan kecil di sela-sela — tanpa memaksa pemanggil menunggu diam.

Di X, Dante Everaert (yang ikut merilis riset duplex di Decagon) menggambarkan pengalaman targetnya sederhana: interupsi agen, obrolan kecil, minta sesuatu yang lain, dapat update progres — semuanya sementara pekerjaan tetap jalan. Komentator lain menekankan poin yang sama: yang lebih penting daripada suara “mirip manusia” adalah pulih dari call yang berantakan.

Christian Niedworok (Deutsche Telekom) dalam kutipan resmi bilang pelanggan sudah dilatih IVR untuk bicara potongan pendek demi tembus ke manusia; dengan Decagon, suara terdengar seperti benar-benar mendengarkan dan percakapan tetap bergerak.

Personal Agent Gateway dan PACT

Baca juga OpenAI Kini Latih Model AI Tanpa Internet, Ini Alasannya dan Ulah Agen yang Bikin Kaget

Rilis Voice 3 datang berdampingan dengan masalah baru: pemanggil tidak selalu manusia. Dalam sebulan terakhir sebelum Dialogues, Meta Muse, OpenAI Dots, dan agen seperti Instinct mulai memesan, membatalkan, atau menelepon atas nama pemiliknya. Ketika agen pribadi bertemu agen merek, kebijakan yang ditulis untuk manusia bisa goyah.

Personal Agent Gateway punya dua sisi praktis:

• Deteksi — menandai kemungkinan agen pribadi di live chat dan voice lewat sinyal (pola percakapan, cadence request, fingerprint perangkat, riwayat akun). Bisnis yang memutuskan apa yang terjadi selanjutnya.
• Channel khusus — untuk agen yang mengidentifikasi diri; duduk sejajar chat, email, dan voice, dengan Agent Operating Procedures (AOP) terpisah bila perlu.

Izin hidup di dalam AOP. Bisnis mendefinisikan scope (misalnya lihat reservasi vs ubah reservasi). Tanpa scope yang diminta, bagian workflow itu tidak pernah diekspos ke agen.

Contoh maskapai dari Decagon: traveler meminta agen pribadinya memindahkan penerbangan. Traveler hanya mengizinkan view, bukan rebook. Agen maskapai bisa menampilkan opsi lebih awal, lalu agent pribadi harus minta izin tambahan sebelum perubahan benar-benar terjadi.

Untuk otorisasi lintas provider, Decagon memperkenalkan PACT (Personal Agent Consent & Trust). Protokol ini dibangun di atas konsep Agent2Agent (discovery dan pesan antar-agen) plus otorisasi terdelegasi ala OAuth 2.0. Spesifikasi tersedia, tapi Decagon masih merapikannya bersama provider agen pribadi dan pelanggan enterprise. Zeniteq menegaskan: PACT belum menjadi standar yang diadopsi luas — nilainya bergantung pada interoperabilitas di luar Decagon.

Di diskusi X, beberapa founder CX menyebut gateway ini sebagai “second-order effect” yang buruk buat penjual voice infra murni: kalau agen pribadi sudah jadi saluran, suara di telepon bukan satu-satunya gerbang. Ada juga pertanyaan tajam soal QA: bagaimana mengukur kualitas panggilan kalau tidak ada manusia di kedua ujung?

Agent Modules, Duet Apprentice, dan harga

Agent Modules mengemas infrastruktur, analytics, dan orkestrasi kampanye untuk journey di luar support — kualifikasi lead, onboarding, collections, dan sejenisnya. Industri yang disebut: financial services, travel & hospitality, healthcare, retail, dan telecom. Tim mendefinisikan logika bisnis (bahasa disclosure, tier cicilan, syarat handoff manusia); Duet membantu menerjemahkannya ke perilaku agen. Campaign Composer bisa merangkai SMS reminder, follow-up call, lalu handoff — dengan jarak hari atau bulan, dan memori lintas channel.

Duet Apprentice (beta, GA “segera”) memperluas cara Duet belajar bisnis:

• Membaca onboarding docs dan wiki di Notion, Confluence, SharePoint, atau Google Drive tanpa migrasi
• Belajar dari eskalasi yang ditangani rep berpengalaman
• Plugin Slack dan Microsoft Teams untuk mengikuti perubahan kebijakan real-time, lalu draft update AOP saat di-tag

Decagon menyatakan Duet sudah menulis lebih dari 70% AOP yang jalan di platform, dan pengetahuan yang dipelajari Apprentice tetap di workspace pelanggan — tidak dipakai melatih model di luar itu (klaim vendor).

Soal harga: Decagon tidak mempublikasikan rate Voice 3 per menit di blog rilis. Model komersial yang dijelaskan sejak 2024 adalah sales-led:

1. Per-conversation — tarif tetap per percakapan masuk; volume lebih besar biasanya lebih fleksibel
2. Per-resolution — tarif lebih tinggi hanya untuk percakapan yang benar-benar terselesaikan; eskalasi tidak ditagih dengan cara yang sama

Mayoritas pelanggan, menurut Decagon, memilih per-conversation karena prediktabilitas. Di AWS Marketplace ada contoh akses platform 12 bulan dengan angka kontrak besar yang dinegosiasikan private offer; data pihak ketiga (Vendr) pernah menyebut median kontrak Decagon di orde ratusan ribu dolar per tahun — bukan harga self-serve untuk UMKM.

Chime COO Janelle Sallenave dalam kutipan resmi menekankan kombinasi performa, kustomisasi brand, dan memori lintas channel. Logo yang sering disebut bersama Decagon di liputan pendanaan dan produk termasuk Hertz, Duolingo, Eventbrite, dan Chime — konteks enterprise, bukan paket creator bulanan.

Yang relevan buat contact center di Indonesia

Indonesia punya ekosistem BPO, contact center bank/fintech, travel, dan e-commerce yang sudah lama bergulat dengan IVR kaku dan antrian panjang. Voice 3 + Chord menyentuh rasa sakit yang familiar: bot diam saat cek saldo, interupsi salah, dan pelanggan yang hanya ingin “tembus ke manusia.”

Beberapa fakta praktis buat yang evaluasi dari sini:

1. Ini produk enterprise sales-led — tidak ada harga Rp di landing page. Siapkan RFP, volume panggilan, dan target resolution/CSAT sebelum demo.
2. Bahasa Indonesia masuk klaim 70+ bahasa, tapi kualitas locale-specific voice untuk aksen Indo, noise line lokal, dan code-switching Indo–Inggris perlu diuji di POC — jangan andalkan demo bahasa Inggris saja.
3. Latency & telephony — stack suara biasanya tersambung ke penyedia telepon/cloud contact center. Dari Indo, ukur delay end-to-end di jam sibuk, bukan hanya skor blind-test di blog.
4. Bayar dolar / kontrak USD — seperti kebanyakan CX AI global. Libatkan finance soal kurs dan panjang kontrak.
5. Gateway agen pribadi masih prematur di pasar Indo jika volume “Dots/Muse-like” belum besar, tapi arsitektur izin (lihat vs ubah) sudah relevan buat fraud dan chargeback.
6. Compliance — rekaman suara, consent, dan data pelanggan sensitif di sektor keuangan/kesehatan butuh review legal lokal. Chord “tidak dilatih dari data pelanggan” tidak otomatis menyelesaikan isu penyimpanan transcript produksi.
7. Alternatif / banding singkat — di komunitas CX, Decagon sering dibandingkan dengan pemain seperti Sierra atau Fin/Zendesk AI. Pilihannya biasanya soal depth voice + AOP + governance, bukan fitur demo satu hari.

Di X berbahasa Jepang dan Inggris, reaksi yang sering muncul: “akhirnya bot tidak diam saat kerja,” dan “support ticket jadi API call.” Di Reddit CX, thread banding Decagon vs kompetitor lebih banyak soal total cost of ownership dan kualitas handoff manusia — dua hal yang tetap harus diukur di POC Indo.

Tips: Mulai dari satu intent volume tinggi (cek status, ubah jadwal, reset sederhana) dengan AOP ketat dan jalur eskalasi jelas. Baru perluas ke collections atau onboarding lewat Agent Modules kalau resolusi dan CSAT sudah stabil.

Poin penting

• Voice 3 + Chord rilis 1 Oktober 2026 di Decagon Dialogues, bersama Gateway, Modules, dan Duet Apprentice
• Chord: speech model CX, frase-by-frase, tokenizer-free diffusion, served di Modal, data berlisensi + consent talent
• Duplex: dengar–bicara–tool saling overlap; targetnya hilangkan silence/hold saat lookup
• 70+ bahasa dengan deteksi dan ganti bahasa mid-sentence (klaim resmi)
• Evaluasi internal: blind ~setara koin; resolution naik 2,6–7,1 pp; barge turun 5,3–14,5 pp di tiga industri
• Personal Agent Gateway + PACT (OAuth 2.0 + A2A) untuk agen pribadi pelanggan — spek masih dirapikan
• Harga: sales-led per-conversation atau per-resolution; bukan self-serve UMKM
• Di Indo: cocok diuji di BPO/contact center dengan POC bahasa lokal + latency telephony — bukan instalasi click-and-go

Referensi

1. Decagon (2026). Introducing Voice 3 and Chord, our new speech model.
2. Decagon (2026). Personal agents are here — Personal Agent Gateway and PACT.
3. Decagon (2026). Introducing Agent Modules for journeys beyond support.
4. Decagon (2026). Introducing Duet Apprentice beta.
5. Unite.AI (2026). Decagon Introduces Voice 3 Agent With Chord Speech Model.
6. Unite.AI (2026). Decagon Expands AI Concierge Platform With Four New Releases.
7. Zeniteq (2026). Decagon Pairs Voice 3 With a Personal Agent Gateway.
8. Decagon on X / @DecagonAI (2026). Voice 3 launch thread.
9. Jesse Zhang on X (2026). Personal Agent Gateway announcement context.
10. Decagon (2024). Pricing the AI Agent Economy — per-conversation vs per-resolution.
11. Modal (case study). How Decagon shipped real-time voice AI on Modal.
12. Decagon technical staff notes / Unite coverage (2026). Chord training pipeline and evaluation numbers.
13. Business Wire / Decagon (2025). Series C funding context for company scale.
14. Community CX / Reddit discussions (ongoing). Decagon vs Sierra / Fin / Zendesk AI buyer notes.