Suara lokal — pipeline sendiri
Siap- Finalisasi STT
- —
- Cari dokumen
- —
- LLM lokal
- —
- Jeda dirasakan
- —
- Biaya sesi
- $0,000
LLM lokal belum diatur di server ini, jadi jawabannya memakai teks kalengan yang sama dengan tiga rute simulasi. Transkripnya tetap sungguhan — yang tiruan hanya bagian berpikirnya, dan angka “LLM lokal” di atas tidak berarti apa-apa sampai itu diatur.
Jawaban dikunci pada tiga dokumen analisa avatar di repo ini — bukan pada pengetahuan umum modelnya. Kalau pertanyaannya tidak dibahas di sana, ia akan bilang begitu alih-alih mengarang.
Finalisasi STT mengukur ekor prosesnya — jarak dari potongan transkrip terakhir sampai kalimat dikunci — bukan lamanya Anda berbicara. Mengukur dari awal bicara akan mengukur panjang kalimat Anda, bukan kecepatan mesinnya.
Tidak ada satu pun bagian pipeline ini yang meninggalkan jaringan: Parakeet CTC 0,6B Indonesia berjalan di GPU server kita, model bahasanya lokal, dan suaranya disintesis di browser Anda sendiri. Karena itu kolom biaya tertulis nol dan akan tetap nol berapa pun lama Anda bicara. Gantinya: empat sambungan yang harus dijaga sendiri, dan mutu suaranya bergantung pada suara bawaan sistem Anda.
Transkrip
masukan suarabelum ada sesi
Empat potongan, semuanya milik sendiri
Mendengar
meetpal-asr
Parakeet CTC 0,6B Indonesia + Silero VAD, di GPU server
Berpikir
ollama lokal
qwen2.5:7b-instruct, terukur 582–774 ms saat panas
Bicara
speechSynthesis
suara bawaan sistem pengunjung, gratis
Wajah
facecap.glb
52 blendshape ARKit, digerakkan mesin viseme repo ini
Bandingkan dengan /navtalk, yang mengerjakan keempatnya sekaligus di dalam satu model audio-ke-audio. Vendor menang telak di dua hal — mutu wajah dan kesatuan latensi — sementara jalur ini menang di dua hal lain yang sering justru menentukan: nol biaya per menit dan tidak ada suara pengguna yang keluar. Untuk data yang tidak boleh keluar kantor, dua hal terakhir itu bukan penghematan, melainkan syarat.