KALIMANTAN BARAT — Kebiasaan mengetik di layar sentuh perlahan mulai ditinggalkan. Sejumlah perusahaan teknologi besar, seperti OpenAI dan Google, kini berlomba menyempurnakan teknologi input suara berbasis AI yang dinilai lebih cepat dan akurat. Model-model terbaru ini tidak hanya mengubah ucapan menjadi teks, tetapi juga mampu memahami konteks pembicaraan dan menjalankan perintah secara langsung.
OpenAI baru saja memperkenalkan GPT-Live, sebuah model yang memungkinkan komunikasi dua arah secara real-time (full-duplex). Model ini berjalan di atas sistem multimodal yang bisa mendelegasikan tugas lain, seperti mencari informasi atau mengoperasikan aplikasi. Tak mau kalah, Google merespons dengan meluncurkan Gemini 3.5 Transcribe yang diklaim lebih cepat dan akurat.
Di ekosistem Android, Gemini 3.5 Transcribe sudah terintegrasi pada perangkat Pixel 11 melalui fitur bernama Rambler. Integrasi ini membuat pengguna bisa langsung berinteraksi dengan aplikasi seperti Google Docs dan Sheets hanya dengan berbicara. Google juga membuka akses melalui Gemini API, sehingga pengembang aplikasi lain dapat menanamkan kemampuan serupa.
Perbedaan mendasar dari teknologi ini dibandingkan fitur dictation biasa adalah kemampuannya memproses instruksi kompleks. Pengguna tidak hanya mendiktekan kalimat, tetapi juga bisa memberi perintah untuk menyisipkan foto dari galeri atau menyematkan peta dengan petunjuk arah di dalam sebuah email. Model AI akan merapikan kalimat, menghilangkan kata-kata pengisi seperti "anu" atau "eee", dan memformat ulang hasilnya menjadi teks yang lebih terstruktur.
Sejumlah aplikasi pihak ketiga juga mulai populer, seperti Wispr Flow, Yaps, dan Typeless di perangkat seluler, serta Aqua Voice dan Monologue untuk komputer Mac. Mayoritas aplikasi ini menggunakan model bisnis freemium, dengan batas pemakaian gratis dan biaya langganan sekitar 8 hingga 12 dolar AS (sekitar Rp 132.000 hingga Rp 198.000) per bulan untuk fitur premium.
Ada beberapa alasan mengapa teknologi ini mulai dilirik. Pertama, kecepatan. Berbicara umumnya lebih cepat daripada mengetik di layar sentuh. Kedua, akurasi. Model AI modern mampu menyaring kebisingan dan memahami berbagai aksen, sehingga hasil transkripsi lebih minim kesalahan. Ketiga, aksesibilitas. Bagi pengguna dengan keterbatasan motorik halus, seperti penderita tremor atau disleksia, fitur ini menjadi alat bantu yang sangat berharga.
Meskipun menjanjikan, peralihan total ke input suara masih menimbulkan perdebatan. Bagi sebagian orang, aktivitas mengetik memiliki nilai kontemplatif yang tidak bisa digantikan oleh suara. Ada juga kekhawatiran tentang privasi dan etika di ruang publik, di mana percakapan pribadi bisa terdengar oleh orang lain di sekitar.
Kendati demikian, tren ini tampaknya tidak akan berhenti. Dengan semakin canggihnya model AI dan integrasi yang lebih dalam ke sistem operasi, interaksi dengan perangkat elektronik di masa depan kemungkinan besar akan lebih banyak mengandalkan suara. Pertanyaannya kini bukan lagi apakah teknologi ini akan diadopsi, melainkan seberapa cepat pengguna terbiasa dan bagaimana industri menyeimbangkan inovasi dengan kebutuhan pengguna yang masih nyaman dengan metode tradisional.