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

Tantangan Bahasa Indonesia dan Bahasa Daerah

Tantangan tersebut menjadi lebih kompleks ketika teknologi diterapkan di Indonesia. Negara ini memiliki ratusan bahasa daerah dengan karakter fonetik, kosakata, tata bahasa, dan variasi penggunaan yang berbeda.

Penelitian mengenai teknologi bahasa Indonesia juga menunjukkan bahwa bahasa-bahasa daerah menghadapi persoalan keterbatasan sumber data. Penelitian yang diterbitkan dalam Proceedings of the 1st Joint Workshop on Spoken Language Technologies for Under-Resourced Languages mengembangkan sistem pengenalan dan sintesis suara untuk bahasa Jawa, Sunda, Bali, dan Batak. Para peneliti mencatat bahwa pengembangan teknologi bahasa untuk bahasa-bahasa etnis Indonesia menghadapi keterbatasan sumber daya data suara dan teks yang diperlukan untuk melatih sistem.

Masalah tersebut berkaitan dengan konsep low-resource language, yakni bahasa yang memiliki sumber daya digital relatif terbatas untuk pengembangan teknologi bahasa. Model AI membutuhkan data dalam jumlah dan keragaman yang memadai agar dapat mengenali berbagai cara pengucapan dan penggunaan bahasa.

Dalam percakapan nyata, tantangannya bahkan dapat bertambah karena seseorang tidak selalu menggunakan satu bahasa secara konsisten. Pergantian Bahasa Indonesia dengan bahasa Inggris atau bahasa daerah dalam satu percakapan dikenal sebagai code-switching.

Penelitian mengenai pengenalan suara untuk percakapan Bahasa Indonesia-Inggris menunjukkan bahwa code-switching menjadi tantangan tersendiri karena ketersediaan data percakapan yang mengandung perpindahan bahasa masih terbatas. Peneliti menggunakan pendekatan pembelajaran semi-supervised untuk meningkatkan kemampuan sistem mengenali percakapan campuran tersebut.

Artinya, kemampuan transkripsi multilingual tidak cukup hanya dengan menambahkan daftar bahasa ke dalam sistem. Model juga perlu memahami bagaimana bahasa-bahasa tersebut digunakan dalam percakapan sebenarnya.

Misalnya, seseorang dapat memulai kalimat dalam Bahasa Indonesia, menyisipkan istilah bahasa Inggris, kemudian menggunakan ungkapan Jawa atau Sunda sebelum kembali ke Bahasa Indonesia. Dalam kondisi seperti itu, sistem perlu menentukan kapan satu bahasa berakhir dan bahasa lain dimulai, sekaligus mempertahankan konteks pembicaraan.

Persoalan lain adalah lingkungan tempat percakapan berlangsung. Rapat di ruang tertutup dengan satu pembicara yang berbicara jelas tentu berbeda dengan wawancara di lapangan, percakapan di restoran, perjalanan menggunakan kendaraan, atau diskusi dengan beberapa orang yang berbicara hampir bersamaan.

Penelitian yang diterbitkan pada 2025 mengenai pengenalan suara Bahasa Jawa dan Sunda menunjukkan bahwa kebisingan lingkungan dapat memengaruhi ketahanan sistem ASR. Studi tersebut menguji model berbasis Whisper dalam berbagai kondisi signal-to-noise ratio dan menemukan bahwa pelatihan yang memperhitungkan gangguan suara dapat meningkatkan ketahanan sistem, terutama pada model Whisper berukuran lebih besar.

Temuan tersebut memberikan konteks penting terhadap klaim dukungan bahasa. Kemampuan mengenali suatu bahasa dalam kondisi audio yang bersih tidak serta-merta berarti sistem akan memiliki tingkat akurasi yang sama ketika digunakan dalam percakapan nyata yang penuh gangguan.

Plaud Menawarkan Transkripsi dan Rangkuman

Plaud menyebut sistemnya dirancang untuk menangani kebutuhan tersebut dengan dukungan transkripsi lebih dari 112 bahasa, termasuk Bahasa Indonesia, Jawa, dan Sunda.