Model AI Underdog 32MB Rilis: Suara dan Musik Tanpa Internet

Apa Itu Woof dan Cara Kerjanya di Demo Game?

Demo yang dirilis Underdog punya visual bertema teknologi jadul. Begitu masuk ke gamenya, kamu bakal nemu ruangan dengan mesin tik kuno, monitor CRT tebal, dan lampu meja yang bakal ngeluarin suara klik pas kamu tekan sakelarnya. Di awal demo, ada peringatan jenaka soal penyedia cloud yang suka usil, sebuah sindiran halus buat arsitektur AI terpusat yang sering ngintip data pemakai.

Di dalam game ini, kamu bisa berinteraksi langsung dengan dua benda utama:

1. Mesin tik virtual: Kamu bisa ngetik kalimat apa aja lewat keyboard laptop atau komputermu, lalu sistem bakal langsung membacakan teks itu kembali dalam bentuk suara manusia.
2. Tuner musik: Kamu bisa memutar kenop tuner untuk menghasilkan berbagai alunan musik secara instan.

Kerennya, semua proses suara dan alunan nada itu terjadi langsung di perangkatmu lewat model Woof. Model ini tercatat cuma punya 31 juta parameter dengan ukuran file sekitar 32MB saja. Underdog juga membuka model ini secara open source biar siapa pun bisa langsung mengunduh dan mencobanya tanpa dipungut biaya.

Bukan Cuma Woof: Kenalan Sama Ekosistem Underdog

Peluncuran model AI Underdog 32MB ini bukan eksperimen tunggal. Beberapa pekan sebelum Woof keluar, Underdog udah lebih dulu ngerilis model bernama Bark. Kalau Woof bertugas menghasilkan suara (speech generation), Bark dirancang sebagai model speech-to-text berukuran 167MB yang jalan di perangkat edge untuk urusan transkripsi dan dikte suara ke teks.

Langkah ini lahir dari kegelisahan personal sang pendiri, Sigil Wen. Alih-alih memakai aplikasi pencatat rapat berbasis cloud kayak Granola yang mengharuskan rekaman suara dikirim ke server pihak ketiga, Sigil memilih membangun sistem AI lokal sendiri biar pengguna bener-bener memegang kendali atas data mereka.

Sigil Wen menegaskan visinya ke publik:

"Saya rasa kita bakal bisa menjalankan model paling mumpuni saat ini di perangkat yang sudah kamu miliki dalam hitungan bulan." — Sigil Wen

Selain dua model audio berukuran mini tadi, Underdog juga udah ngerilis model berukuran 27 miliar parameter (27B) yang sanggup dijalankan di laptop biasa. Mereka bahkan lagi menyiapkan aplikasi khusus dengan sistem daftar tunggu (waitlist) yang digadang-gadang jadi alternatif lokal mandiri untuk menyaingi produk seperti Muse dan Instinct.

Perbandingan Model AI Milik Underdog

Biar kamu punya gambaran lebih jelas soal pembagian tugas dari masing-masing model yang dirilis Underdog, yuk intip tabel ringkas berikut:

Ukuran Woof yang cuma 32MB jelas sangat mini kalau disandingkan dengan model AI suara komersial di server cloud. Model seringan ini mirip dengan pendekatan yang pernah kita lihat pada ulasan Phonon TTS, di mana fokus utamanya adalah memangkas latensi dan biaya server sampai titik terendah.

Peluang Buat Developer: Kapan Harus Pakai AI Lokal?

Meski ukurannya nggak ditujukan buat menggantikan model raksasa frontier, kehadiran model audio 32MB ini ngebuka banyak peluang menarik buat para developer. Kamu bisa memanfaatkannya buat:

1. Asisten suara offline: Membangun aplikasi pintar atau robot mainan edukasi yang tetap bisa bersuara meski koneksi internet putus total.
2. Personalized podcast: Membaca rangkuman berita atau pesan pribadi langsung di browser pengguna tanpa biaya komputasi tambahan di servermu.
3. Efek suara game indie: Menghasilkan audio dinamis dan dialog suara karakter game web tanpa perlu membebani aset unduhan pemain.

Kalau kamu pengin bereksperimen menggabungkan model lokal ringan dengan alur kerja aplikasi modern, kamu bisa merancang arsitektur hybrid lewat contoh prompt perancangan berikut:

Saya sedang merancang aplikasi web edukasi anak yang hemat kuota internet. Buatkan rancangan arsitektur hybrid yang memisahkan tugas: kapan aplikasi memakai model lokal di browser seperti Underdog Woof (32MB) untuk text-to-speech, dan kapan aplikasi harus memanggil LLM cloud lewat API untuk menjawab pertanyaan logika yang rumit. Berikan alasan teknis dan skema penanganan latensinya.

Dampaknya Buat Pengguna dan Pengembang di Indonesia

Buat ekosistem teknologi di Indonesia, kehadiran model AI lokal berukuran mini ini relevan banget. Pertama, masalah kesenjangan sinyal internet. Di banyak daerah luar kota besar, koneksi internet sering nggak stabil atau kuota data masih jadi pertimbangan utama. Aplikasi web yang menyematkan model suara 32MB bisa langsung jalan mulus tanpa takut buffering suara.

Kedua, soal kepatuhan privasi data. Dengan berlakunya Undang-Undang Perlindungan Data Pribadi (UU PDP), perusahaan atau startup lokal yang menangani data audio sensitif—seperti catatan medis pasien atau percakapan internal kantor—bisa memanfaatkan model lokal on-device seperti Bark dan Woof. Datanya nggak perlu terbang ke server luar negeri, sehingga risiko kebocoran data bisa ditekan ke angka nol.

Namun, kalau aplikasimu tetap membutuhkan otak cerdas di cloud untuk penalaran teks panjang sebelum diubah jadi suara oleh model lokal, kamu bisa mengandalkan model cloud hemat biaya. Lewat Classai Router, kamu bisa menyambungkan aplikasi ke berbagai model kencang seperti Claude Haiku 4.5 seharga Rp900 per 1 juta token input dan Rp4.500 per 1 juta token output, atau Muse Spark 1.3 dari Meta seharga Rp800 per 1 juta token input dan Rp800 per 1 juta token output. Cukup pakai satu API key dengan saldo rupiah tanpa perlu kartu kredit internasional.