Penyiar Radio AI Berbahasa Spanyol Dukung Imigran, Sukses Menarik Pendengar

AI Masuk ke Ruang Radio Komunitas

Stasiun radio KDNA 91.9 FM di Granger, Washington, baru-baru ini memperkenalkan “Elvis” — host radio AI yang berbahasa Spanyol dan dirancang khusus untuk melayani komunitas petani imigran Latinx di Lembah Yakima. Berbeda dengan asisten suara generik seperti Siri atau Alexa, Elvis tidak hanya menerjemahkan berita. Ia memahami konteks budaya, menggunakan gaya bicara This radio komunitas Spanyol, dan mengangkat isu-isu yang relevan bagi pendengarnya: hak pekerja migran, jadwal klinik kesehatan gratis, dan informasi hukum imigrasi.

Proyek ini dikembangkan Over Radio KDNA bekerja sama dengan startup AI voce.ai. Tujuannya sederhana: mengisi kekosongan siaran malam dan akhir pekan ketika penyiar manusia tidak tersedia, tanpa mengorbankan keakraban dan kepercayaan yang dibangun stasiun ini selama puluhan tahun.

Mengapa Bahasa Spanyol Butuh Pendekatan Khusus

Model TTS (text-to-speech) standar seperti ElevenLabs atau OpenAI TTS dilatih pada data mayoritas Inggris. Ketika dipaksa berbicara Spanyol, hasilnya sering terdengar kaku, aksen Making, atau melewatkan nuansa regional — misalnya perbedaan antara Spanyol Meksiko, Puerto Rico, atau Spanyol Caribbean yang banyak digunakan komunitas di Washington.

Tim voce.ai melatih model khusus menggunakan jam-jam rekaman penyiar KDNA asli. Hasilnya: Elvis berbicara dengan intonasi “radio ranchera” yang familiar — perlahan, hangat, dengan jeda yang tepat antara berita dan musik. Ia mengucapkan nama-nama desa lokal seperti Toppenish, Wapato, atau Mattawa dengan benar, sesuatu yang model generik sering gagal lakukan.

Teknologi di Balik Layar

Sistem Elvis terdiri dari tiga lapisan:

• Pipeline konten: Skrip harian disusun Over jurnalis KDNA, lalu diproses melalui LLM yang difine-tune untuk gaya penulisan radio komunitas Spanyol — kalimat pendek, aktif, banyak perintah langsung (“Escuche ahora,” “Llame al número”).
• Model suara kustom: Model TTS berbasis VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) yang dilatih pada 40 jam suara penyiar senior KDNA. Parameter prosodi (pitch, durasi, energi) dikontrol agar konsisten dengan gaya siaran pagi stasiun.
• Sistem jadwal & fallback: Jika model AI gagal menghasilkan audio dalam 3 detik, sistem otomatis beralih ke rekaman cadangan manusia. Ini mencegah “dead air” yang mematikan kepercayaan pendengar radio.

Semua berjalan di server on-premise di stasiun, bukan cloud. Alasannya praktis: koneksi internet di area pedesaan Washington tidak stabil, dan data komunitas (nama, alamat, nomor telepon sensitif) tidak keluar dari jaringan lokal.

Reaksi Pendengar: Kepercayaan Lebih Penting dari Kesematan

Survei internal KDNA setelah 8 minggu siaran Elvis menunjukkan 78% pendengar reguler menilai suara AI “cukup alami” atau “sangat alami.” Lebih mengejutkan: 64% mengatakan mereka lebih percaya informasi hukum imigrasi yang dibacakan Elvis dibandingkan membaca teks sendiri di media sosial.

“Pendengar kami terbiasa mendengar suara yang sama setiap pagi selama 20 tahun,” kata Rosa Mendoza, direktur stasiun KDNA. “Ketika Elvis pertama kali siar, kami siap menerima keluhan. Malah yang datang adalah telepon pendengar bertanya: ‘Pak, penyiar baru ini siapa? Suaranya mirip Don Francisco tapi lebih muda.'”

Kunci kepercayaan itu bukan kesempurnaan teknis. Justru kesalahan kecil — Elvis sekali mengucapkan “Yakima” dengan tekanan salah suku kata — justru membuat pendengar merasa “dia belajar seperti kami.” Tim teknis sengaja tidak memperbaiki sepenuhnya; mereka membiarkan model belajar dari koreksi penyiar manusia mingguan.

Pelajaran untuk Implementasi AI Lokal Lainnya

Kasus KDNA menawarkan pola yang bisa ditiru organisasi media komunitas di Indonesia:

1. Data suara lokal > model global. Jangan gunakan TTS bawaan Google/Cloud untuk siaran bahasa daerah. Rekam 20-30 jam penyiar senior, latih model sendiri (bisa pakai Coqui TTS atau Piper TTS yang ringan untuk CPU).
2. Konten dulu, teknologi kemudian. Jurnalis KDNA tetap menulis skrip. AI hanya mengubah teks jadi suara. Jangan biarkan LLM mengarang berita komunitas — halusinasi berbahaya di konteks hukum/ kesehatan.
3. Fallback manusia wajib. Sistem yang gagal diam (dead air) lebih berbahaya dari sistem yang kadang salah sebut nama. Sediakan rekaman cadangan untuk setiap slot siaran.
4. Evaluasi kualitatif, bukan metrik teknis saja. MOS (Mean Opinion Score) model TTS bisa 4.5/5, tapi jika pendengar merasa “ini tidak seperti radio kami,” proyek gagal. Wawancara mendalam dengan pendengar senior lebih berguna dari skor otomatis.

Tantangan yang Masih Ada

Elvis belum bisa menangani siaran langsung (live call-in). Latensi generasi suara + inferensi LLM untuk respons real-time masih 2-3 detik — terlalu lama untuk percakapan radio. Saat ini slot interaktif tetap ditangani penyiar manusia.

Biaya operasional juga catatan: server GPU on-premise (NVIDIA A4000) + penyimpanan + listrik ≈ Rp 12 juta/bulan. Untuk stasiun nirlaba seperti KDNA, dana hibah dari Latino Community Fund menutupinya. Model keuangan berkelanjutan masih dicari — mungkin via sponsorship lokal yang dikhususkan untuk slot AI.

Masa Depan: AI sebagai Perpanjangan, Bukan Pengganti

Direktur teknis voce.ai, Marco Ruiz, menegaskan: “Kami tidak membangun Elvis untuk menggantikan penyiar. Kami membangunnya agar Rosa bisa tidur malam hari Jumat tanpa khawatir stasiun mati.”

Filsafat itulah yang membedakan proyek ini dari narasi “AI menggantikan pekerja.” Di KDNA, AI mengisi celah waktu dan tenaga, sementara manusia memegang otoritas redaksial, koneksi komunitas, dan keputusan etis — misalnya kapan tidak menyiarkan berita tertentu karena bisa membahayakan keluarga pendengar tanpa dokumen.

Bagi ekosistem tech Indonesia, pelajarannya jelas: AI paling berguna ketika dibangun dengan komunitas, bukan untuk komunitas. Mulai dari data suara, validasi konten, hingga metrik keberhasilan — semuanya harus didefinisikan Over orang yang akan mendengarnya setiap hari.