Hadir di Indonesia, Plaud Bawa Teknologi Transkripsi AI untuk 112 Bahasa

JAKARTA — Perangkat berbasis kecerdasan buatan (AI) yang dapat merekam dan mengolah percakapan mulai memasuki pasar Indonesia. Plaud, perusahaan teknologi yang mengembangkan perangkat AI untuk kebutuhan profesional, resmi hadir di Indonesia dengan memperkenalkan Plaud Note Pro dan NotePin S.

Kedua perangkat tersebut dirancang untuk merekam percakapan maupun panggilan telepon, kemudian mengubah rekaman suara menjadi teks, rangkuman, dan poin-poin penting yang dapat digunakan kembali. Plaud menyebut sistem transkripsinya mendukung lebih dari 112 bahasa, termasuk Bahasa Indonesia, Jawa, dan Sunda.

Kehadiran resmi Plaud di Indonesia menjadi bagian dari strategi ekspansi perusahaan di Asia Tenggara. Menurut perusahaan, penggunaan aktif mingguan Plaud di Indonesia meningkat dua kali lipat pada semester pertama 2026.

“Indonesia menjadi salah satu pasar yang menarik bagi teknologi semacam ini bukan hanya karena besarnya jumlah pengguna potensial, tetapi juga karena karakter bahasa dan komunikasi yang sangat beragam. Percakapan sehari-hari dapat berlangsung dalam Bahasa Indonesia, bahasa daerah, bahasa asing, atau perpaduan beberapa bahasa sekaligus,” tulis Plaud melalui keterangannya pada hari Rabu (30/9).

Dalam konteks tersebut, kemampuan AI untuk mengubah suara menjadi teks bukan sekadar persoalan mengenali kata. Sistem juga harus berhadapan dengan aksen, dialek, kebisingan, pergantian bahasa, istilah khusus, hingga perbedaan cara seseorang mengucapkan kata.

Dari Suara Menjadi Teks

Teknologi yang digunakan untuk mengubah percakapan menjadi teks dikenal sebagai automatic speech recognition (ASR). Secara sederhana, sistem ASR menerima suara dari mikrofon, mengolah sinyal audio, kemudian menggunakan model AI untuk memperkirakan rangkaian kata yang paling sesuai dengan suara tersebut.

Prosesnya dimulai ketika mikrofon menangkap gelombang suara. Audio kemudian menjalani tahap prapemrosesan, antara lain untuk mengurangi gangguan suara latar, menyesuaikan volume, dan mempersiapkan potongan audio agar dapat dianalisis oleh model.

Sistem selanjutnya mengekstraksi karakteristik suara. Model AI menganalisis pola suara tersebut dan mencocokkannya dengan representasi bahasa yang telah dipelajari. Model bahasa membantu menentukan kata yang paling mungkin muncul berdasarkan konteks, sehingga sistem tidak hanya mendengar bunyi secara terpisah, tetapi juga memperhitungkan hubungan antarkata dalam sebuah kalimat.

Hasil awal berupa teks kemudian dapat diproses lebih lanjut oleh model bahasa atau AI generatif. Pada tahap ini, sistem dapat membantu menambahkan tanda baca, mengelompokkan pembicaraan, mengidentifikasi bagian penting, serta menghasilkan rangkuman.

Dengan demikian, transkripsi dan rangkuman sebenarnya merupakan dua tahap yang berbeda. Transkripsi berusaha mempertahankan isi ucapan dalam bentuk teks, sedangkan rangkuman melakukan pengolahan lebih lanjut untuk menemukan informasi yang dianggap penting dari teks tersebut.

Perbedaan ini penting karena kesalahan pada tahap transkripsi dapat memengaruhi hasil berikutnya. Jika nama orang, istilah teknis, angka, atau pernyataan tertentu salah dikenali, kesalahan tersebut dapat terbawa ke dalam rangkuman.

IBM menjelaskan bahwa tingkat kesalahan sistem pengenalan suara dapat dipengaruhi antara lain oleh pengucapan, aksen, nada, volume suara, dan kebisingan di lingkungan sekitar. Salah satu ukuran yang umum digunakan untuk mengevaluasi sistem ASR adalah word error rate (WER).

Karena itu, perangkat transkripsi AI tidak selalu dapat dianggap sebagai pengganti catatan manusia yang sempurna. Untuk percakapan yang menghasilkan keputusan penting, hasil transkripsi dan rangkuman tetap perlu diperiksa kembali.