product7 menit baca

Gelombang baru AI notetaker: model audio OpenAI dan arah Telli.sh

AI notetaker bergerak melampaui transkripsi menuju kecerdasan rapat, konteks real-time, dan tindak lanjut tepercaya. Inilah bagaimana perubahan terbaru pada AI audio membentuk arah Telli.sh.

K
Ken Jo

AI notetaker berubah dengan cepat.

Generasi pertama terutama berfokus pada perekaman: rekam rapat, ubah audio menjadi teks, lalu berikan transkrip yang dapat dicari. Itu berguna, tetapi bukan keseluruhan pekerjaan. Nilai rapat bukan terletak pada banyaknya kata yang dihasilkan. Rapat bernilai karena menghasilkan keputusan, komitmen, konteks, dan kemajuan.

Generasi AI notetaker berikutnya akan dinilai dengan standar yang lebih tinggi: seberapa baik ia mempertahankan makna dan membantu tim mengubah percakapan menjadi tindakan.

Itulah arah yang sedang kami bangun untuk Telli.sh.

Pasar bergerak melampaui transkripsi

Tren paling jelas pada produk AI rapat adalah transkripsi menjadi kemampuan dasar, bukan tujuan akhir.

Microsoft Teams kini menyertakan rekap rapat, catatan buatan AI, tugas tindak lanjut, tampilan pembicara, dan bab dalam pengalaman pascarapat. Fitur pencatatan Gemini di Google Meet dapat membuat catatan di Google Docs dan membantu peserta yang terlambat mengikuti rapat melalui ringkasan sementara. Zoom AI Companion menghadirkan ringkasan rapat, pertanyaan saat rapat, rekaman cerdas, bab, sorotan, dan langkah berikutnya di Zoom Workplace. Notion AI Meeting Notes mengubah audio rapat menjadi transkrip, poin utama, dan item tindakan di ruang kerja tempat tim sudah menulis dan merencanakan pekerjaan.

Polanya konsisten: pengguna tidak hanya menginginkan transkrip. Mereka membutuhkan rekaman yang akurat, ringkasan yang berguna, rangkaian langkah berikutnya yang jelas, dan cara tepercaya untuk membagikan hasilnya.

Ini mengubah standar produk AI notetaker. Kualitas ucapan-ke-teks tetap sangat penting, tetapi produk sesungguhnya adalah struktur yang dibangun di atas transkrip.

Konteks real-time semakin penting

AI rapat juga bergerak lebih awal dalam alur kerja.

Alih-alih menunggu rapat berakhir, produk baru semakin membantu selama rapat berlangsung. Google Meet dapat menyediakan ringkasan berjalan. Zoom AI Companion dapat menjawab pertanyaan tentang apa yang sudah dibahas. Realtime API dari OpenAI mengarah ke hal serupa: aplikasi dapat memproses audio saat percakapan berlangsung, bukan hanya setelah file diunggah.

Hal ini penting bagi notetaker karena rekaman rapat terbaik bukan sekadar hasil pemrosesan setelah rapat. Catatan dibentuk oleh giliran bicara, interupsi, perubahan topik, keputusan, dan pertanyaan yang belum terjawab saat semuanya terjadi.

Seiring waktu, AI notetaker akan terasa lebih seperti infrastruktur rapat yang memahami konteks daripada perekam pasif.

Model audio terbaru OpenAI meningkatkan standar dasar

Model audio baru OpenAI sangat relevan dengan perubahan ini.

Pada Maret 2025, OpenAI memperkenalkan gpt-4o-transcribe, gpt-4o-mini-transcribe, dan gpt-4o-mini-tts. Hal pentingnya bukan hanya adanya nama model baru. Pengenalan ucapan menjadi lebih akurat dan tangguh menghadapi aksen, lingkungan bising, serta kecepatan bicara yang beragam.

Ini merupakan fondasi bagi AI notetaker. Keandalan ringkasan rapat hanya setinggi transkrip yang mendasarinya. Jika nama, keputusan, angka, istilah teknis, atau giliran pembicara keliru, ringkasan selanjutnya akan mewarisi kesalahan itu.

Dokumentasi speech-to-text OpenAI juga membedakan streaming rekaman yang sudah selesai dari transkripsi audio yang sedang berlangsung melalui Realtime API. Perbedaan ini selaras dengan dua mode utama produk rapat: mengunggah rekaman dan mengikuti rapat langsung.

Sinyal penting lainnya adalah gpt-4o-transcribe-diarize, model transkripsi dengan diarization pembicara bawaan. Atribusi pembicara bukan detail kecil dalam catatan rapat. “Kita sebaiknya merilis ini minggu depan” memiliki arti berbeda jika dikatakan oleh pelanggan, pendiri, engineer, atau pimpinan dukungan. Semakin andal sistem mempertahankan siapa mengatakan apa, semakin berguna kecerdasan rapat.

Arah Realtime API dan gpt-realtime yang lebih luas juga patut diperhatikan. AI suara bergerak menuju sistem multimodal yang berlatensi rendah dan dapat menggunakan alat. Telli.sh tidak perlu menjadi agen suara dalam semalam, tetapi arahnya jelas: produk audio akan semakin menghubungkan ucapan, konteks, alat, dan alur kerja dalam satu pengalaman berkelanjutan.

Mengapa rapat multibahasa penting

Sebagian besar perangkat lunak rapat masih mengasumsikan lingkungan bahasa yang sederhana. Tim nyata tidak sesederhana itu.

Sebuah rapat global bisa mencakup diskusi dalam bahasa Korea, slide berbahasa Inggris, nama pelanggan Jepang, tindak lanjut berbahasa Spanyol, dan istilah teknis yang sebaiknya tidak diterjemahkan. AI notetaker yang baik harus menangani kerumitan ini tanpa memaksa orang berbicara dengan cara yang memudahkan perangkat lunak.

Inilah salah satu keyakinan utama Telli.sh: dukungan multibahasa bukan fitur tambahan. Dukungan itu bagian dari fondasi produk.

Tujuannya bukan sekadar menerjemahkan kata. Tujuannya membantu semua orang tetap terlibat secara setara meskipun rapat berlangsung cepat dan menggunakan banyak bahasa.

Arah yang dituju Telli.sh

Telli.sh dibangun di atas janji sederhana:

Berbicaralah dengan bebas. Telli.sh mengatur sisanya.

Kami tidak sedang membuat pembuat file transkrip. Kami membangun lapisan kecerdasan rapat bagi tim yang membutuhkan percakapan menjadi rekaman tepercaya, ringkasan berguna, dan tindakan berikutnya yang jelas.

Multibahasa sejak awal

Banyak notetaker memulai dengan alur berbahasa Inggris lalu menambahkan bahasa lain. Telli.sh berangkat dari asumsi berbeda: tim bersifat global, aksen beragam, dan rapat nyata sering mencampur bahasa.

Kami ingin Telli.sh bekerja baik bagi orang-orang yang biasanya dianggap kasus pinggiran oleh produk yang mengutamakan bahasa Inggris.

Sumber dan ringkasan tetap bersama

Ringkasan AI berguna, tetapi tidak boleh menjadi kotak hitam. Pengguna harus dapat beralih dari ringkasan ke percakapan yang mendasarinya dan memahami asal suatu kesimpulan.

Itulah sebabnya kami memandang transkrip, giliran pembicara, terjemahan, catatan yang disunting, dan ringkasan sebagai lapisan-lapisan yang saling terhubung dalam satu rekaman, bukan keluaran yang terpisah.

Hasil yang sesuai dengan jenis rapat

Stand-up, wawancara pelanggan, panggilan penjualan, sesi riset, dan rapat strategi internal tidak seharusnya menghasilkan format catatan yang sama.

Setiap jenis rapat membutuhkan keluaran berbeda. Panggilan pelanggan memerlukan masalah dan tindak lanjut. Stand-up memerlukan progres dan hambatan. Wawancara riset memerlukan kutipan dan wawasan. Rapat pimpinan memerlukan keputusan, risiko, dan penanggung jawab.

Telli.sh bergerak menuju format catatan yang lebih fleksibel dan memahami konteks, sesuai pekerjaan yang ingin diselesaikan rapat.

Kepercayaan sebagai fitur produk

Data rapat bersifat sensitif. AI yang lebih baik tidak mengurangi kebutuhan akan kepercayaan, justru meningkatkannya.

Pengguna perlu memahami apa yang direkam dan disimpan, siapa yang dapat mengaksesnya, bagaimana konten dibagikan, dan bagaimana konten dapat dihapus. Untuk tim, ini juga berarti izin yang andal, penagihan yang aman, deployment yang stabil, dan pemeriksaan operasional yang mencegah masalah produksi yang sebenarnya dapat dihindari.

Kami memandang kepercayaan, privasi, dan keandalan operasional sebagai bagian dari pengalaman produk, bukan pekerjaan di belakang layar.

Kemampuan yang tersedia per 13 Mei 2026

Pada tanggal tersebut, alur inti Telli.sh yang tersedia mencakup:

  • Memulai rekaman langsung di browser.
  • Mengunggah file audio atau video yang sudah ada.
  • Mengubah percakapan menjadi rekaman rapat terstruktur.
  • Mendukung alur transkripsi, terjemahan, dan peringkasan multibahasa.
  • Mempertahankan segmen dengan informasi pembicara jika memungkinkan.
  • Menghasilkan ringkasan, item tindakan, dan catatan yang disunting dalam rekaman rapat.
  • Terus meningkatkan keandalan produksi pada penagihan, deployment, verifikasi webhook, dan pemeriksaan CI.

Masih banyak yang perlu ditingkatkan. Kami ingin pemrosesan real-time terasa lebih lancar, konteks rapat panjang lebih terjaga, atribusi pembicara lebih konsisten, dan format catatan lebih sesuai dengan jenis rapat.

Produk saat ini adalah alur perekaman dan pencatatan di atas; peningkatan pada bagian ini masih berlangsung, bukan janji bahwa setiap rapat sudah memperoleh konteks atau atribusi pembicara yang sempurna.

Apa berikutnya

Prioritas jangka dekat kami bersifat praktis.

Pertama, kami akan terus meningkatkan pengalaman rapat langsung multibahasa. Rapat dengan bahasa campuran memang sulit, dan justru di sinilah Telli.sh perlu unggul.

Kedua, kami akan terus berinvestasi dalam mempertahankan pembicara dan konteks. Kecerdasan rapat bergantung pada pemahaman bukan hanya tentang apa yang dikatakan, tetapi juga siapa yang mengatakannya, kapan, dan mengapa itu penting.

Ketiga, kami akan memperluas format catatan khusus untuk tiap jenis rapat. Satu ringkasan generik tidak cukup untuk beragam cara kerja tim.

Keempat, kami akan terus memperkuat fondasi produksi. Produk AI mudah didemokan, tetapi sulit dipercaya setiap hari. Kami ingin Telli.sh menjadi alat yang dapat diandalkan tim berulang kali, bukan hanya terlihat mengesankan satu kali.

Penutup

Kategori AI notetaker bukan lagi soal siapa yang dapat mentranskripsikan paling cepat. Pertanyaan yang lebih penting adalah siapa yang dapat mengubah percakapan menjadi ingatan tim yang bertahan lama.

Arah model audio terbaru OpenAI mempercepat perubahan itu. Transkripsi yang lebih akurat, pemrosesan audio real-time, diarization, dan antarmuka yang mengutamakan suara mengarah ke masa depan ketika alat rapat memahami percakapan saat berlangsung dan segera membantu tim bertindak.

Itulah masa depan yang sedang dipersiapkan Telli.sh: rapat tempat orang berbicara secara alami, lintas bahasa dan konteks, sementara produk mengubah percakapan menjadi sesuatu yang berguna.

Referensi

← Kembali ke blog