Membuat Voice Over AI Bahasa Indonesia

Pendahuluan

Voice over AI memungkinkan produksi audio narasi berkualitas tinggi tanpa studio rekaman. Tutorial ini menjelaskan arsitektur sederhana:

Script generation – menggunakan AI chat/writing untuk menulis naskah.
Text‑to‑Speech (TTS) – mengubah teks menjadi audio dengan model Bahasa Indonesia.
Post‑processing – normalisasi volume, pemotongan silences, dan export ke format MP3.

Kombinasi Python, model open‑source Coqui TTS, dan tools Jartekindo (ChatGPT Plus, Notion AI, Jasper) memberikan alur kerja yang dapat dijalankan pada VPS atau laptop lokal.

Prasyarat & Persiapan

Kebutuhan	Detail
Hardware	CPU modern (minimal 4 core) atau GPU NVIDIA (optional, untuk inference lebih cepat).
OS	Ubuntu 22.04 LTS / Debian 12 atau Windows Subsystem for Linux (WSL).
Akun	- Akun ChatGPT Plus untuk menghasilkan naskah: https://tools.jartekindo.com/tool/chatgpt-plus/ - Akun Notion AI atau Jasper untuk polishing teks: https://tools.jartekindo.com/tool/notion-ai/
Software	- Python 3.10+ - `git`, `ffmpeg` - Virtual environment (`venv` atau `conda`).
Library	`coqui-tts`, `torch`, `numpy`, `pydub`.
Optional	Canva Pro untuk membuat thumbnail video: https://tools.jartekindo.com/tool/canva-pro/

Instalasi dasar

# Update sistem
sudo apt update && sudo apt upgrade -y

# Install dependensi sistem
sudo apt install -y python3-pip python3-venv ffmpeg git

# Buat dan aktifkan virtualenv
python3 -m venv venv
source venv/bin/activate

# Upgrade pip
pip install --upgrade pip

Langkah Demi Langkah

Step 1 – Membuat Naskah dengan AI Writing

Buka ChatGPT Plus dan minta contoh skrip narasi 2‑menit tentang “Keindahan Pulau Bali”.
Salin hasilnya ke Notion AI untuk memperbaiki gaya bahasa dan menyesuaikan tone (formal/informal).
Simpan final script dalam file script.txt.

Tip: Gunakan prompt terstruktur:
Buatkan naskah voice over 2 menit tentang <topik> dengan gaya <tone>. Sertakan jeda kalimat yang natural.

Step 2 – Menyiapkan Model TTS Bahasa Indonesia

Coqui TTS menyediakan model pra‑latih Bahasa Indonesia (tts_models/id/tts_vits). Instal dan unduh model:

pip install TTS[all]  # menginstal Coqui TTS beserta dependensi torch

Unduh model secara otomatis pada saat pertama kali dijalankan, atau manual:

python - <<PY
from TTS.api import TTS
# Pilih model Bahasa Indonesia
tts = TTS(model_name="tts_models/id/tts_vits", progress_bar=False, gpu=False)
print("Model siap digunakan")
PY

Step 3 – Mengonversi Teks ke Audio

Buat skrip Python generate_voice.py:

# generate_voice.py
import os
from TTS.api import TTS
from pydub import AudioSegment

# Inisialisasi TTS (CPU mode, ubah gpu=True bila GPU tersedia)
tts = TTS(model_name="tts_models/id/tts_vits", gpu=False)

# Baca script
with open("script.txt", "r", encoding="utf-8") as f:
    text = f.read().strip()

# Generate wav (default 22050 Hz)
output_wav = "output.wav"
tts.tts_to_file(text=text, file_path=output_wav)

# Normalisasi volume & trim silence (optional)
audio = AudioSegment.from_wav(output_wav)
normalized = audio.apply_gain(-audio.max_dBFS)  # -0 dBFS target
trimmed = normalized.strip_silence(silence_len=500, silence_thresh=-40)

# Export ke MP3 (bitrate 192k)
output_mp3 = "voice_over.mp3"
trimmed.export(output_mp3, format="mp3", bitrate="192k")
print(f"✅ Audio selesai: {output_mp3}")

Jalankan:

python generate_voice.py

Step 4 – Integrasi ke Video (Opsional)

Jika Anda ingin menambahkan voice over ke video, gunakan ffmpeg:

ffmpeg -i input_video.mp4 -i voice_over.mp3 -c:v copy -c:a aac -map 0:v:0 -map 1:a:0 -shortest output_with_voice.mp4

Step 5 – Membuat Thumbnail dengan Canva Pro

Buka Canva Pro melalui tautan: https://tools.jartekindo.com/tool/canva-pro/.
Pilih template “YouTube Thumbnail”, tambahkan judul video dan gambar latar (bisa di‑generate lewat Midjourney).
Export sebagai PNG, letakkan di folder assets/.

Tips Optimasi & Keamanan

Area	Praktik Terbaik
Performansi	Aktifkan GPU (`gpu=True`) bila tersedia; gunakan batch size kecil untuk menghindari OOM.
Skalabilitas	Deploy script pada VPS dengan Docker: `docker run -v $(pwd):/app -w /app python:3.10-slim bash -c "pip install TTS[all] && python generate_voice.py"`
Keamanan	Simpan `script.txt` dan file audio di direktori yang tidak dapat diakses publik. Gunakan IAM pada VPS untuk membatasi akses SSH.
Kualitas Audio	Tambahkan `--speed` atau `--pitch` pada `tts.tts_to_file` bila diperlukan (parameter model‑specific).
Backup	Versioning naskah dengan Git (`git init && git add script.txt && git commit -m "Initial script"`).

Troubleshooting Error Umum

Error	Penyebab	Solusi
`RuntimeError: CUDA out of memory`	Model dijalankan di GPU dengan memori terbatas.	Turunkan `gpu=False` atau gunakan batch size lebih kecil.
`FileNotFoundError: No such file or directory: 'output.wav'`	`tts.tts_to_file` gagal menulis karena izin folder.	Pastikan folder kerja memiliki izin tulis (`chmod 755 .`).
`pydub.exceptions.PydubException: Could not find ffmpeg`	`ffmpeg` tidak terinstal atau tidak di PATH.	Install dengan `sudo apt install ffmpeg` atau tambahkan path ke environment.
`UnicodeDecodeError` saat membaca `script.txt`	File tidak disimpan dalam UTF‑8.	Simpan ulang dengan encoding UTF‑8 (`iconv -f ISO-8859-1 -t UTF-8 script.txt -o script_utf8.txt`).
`TTS model download failed`	Koneksi internet terputus atau proxy.	Pastikan akses ke `https://huggingface.co` tidak diblokir; gunakan VPN bila perlu.

Kesimpulan

Dengan kombinasi AI writing (ChatGPT Plus, Notion AI) dan model open‑source Coqui TTS, Anda dapat menghasilkan voice over Bahasa Indonesia secara otomatis, cepat, dan dengan biaya minimal. Proses ini dapat di‑otomatisasi pada pipeline CI/CD atau dijalankan secara ad‑hoc pada VPS. Manfaatkan tools visual seperti Canva Pro untuk melengkapi output multimedia Anda.

Artikel ini disusun oleh Tim Tech Lead & Senior Technical Writer Jartekindo Tools.