Peluncuran 'Blank.', catatan hafalan AI on-device yang mengubah bacaan menjadi ingatan (menggunakan Gemma 3)
(play.google.com)Halo!
Saya ingin memperkenalkan aplikasi Android 'Blank.' yang saya buat berangkat dari kebiasaan saya menyimpan artikel blog teknis atau newsletter, tetapi ternyata tidak benar-benar membacanya lagi atau mempelajarinya, sambil berpikir, "Kalau dipaksa mengerjakan kuis, mungkin jadi lebih mudah diingat?"
Saya membagikannya dengan harapan bisa dicoba secara santai saat perjalanan pulang kampung di musim liburan ini atau di waktu senggang.
-
Aplikasi seperti apa ini?
Fungsi: jika Anda memasukkan tautan artikel web (berita, blog, wiki, dan sebagainya), AI akan merangkum poin-poin utamanya dan membuat soal isian rumpang (Cloze Test).-
Konsep: saya mengusung desain minimalis agar pengguna bisa fokus belajar tanpa fitur yang rumit.
-
Inti: ini adalah aplikasi AI 100% on-device yang seluruh prosesnya berlangsung di dalam smartphone tanpa komunikasi dengan server.
-
-
Tech stack dan cara implementasi
Saya memilih LLM on-device demi biaya server 0 rupiah dan privasi pengguna.- Model: Google Gemma 3 (2b-it-gpu-int4 quantized)
- Inference: MediaPipe LLM Inference API
- Architecture: Android Jetpack Compose + MVVM + Koin (DI)
- Keyword Extraction: optimasi algoritma Regex & TextRank (digunakan secara hybrid dengan LLM demi kecepatan)
-
Hal-hal yang saya pertimbangkan saat pengembangan
- Kecepatan vs akurasi: karena sifat on-device, kecepatan inferensi menjadi kunci. Awalnya saya melempar semua kalimat ke LLM, tetapi dalam banyak kasus kecepatan inferensinya tidak memadai, dan kualitas respons juga sering menurun karena keterbatasan jumlah token. Untuk mengatasi ini, saya mengoptimalkan logika dengan lebih dulu memfilter kalimat-kalimat inti menggunakan algoritma TextRank, lalu menyerahkan pembuatan isian rumpang kepada LLM.
- Ukuran: file model berukuran sekitar 1.5GB. File ini diunduh saat aplikasi dijalankan pertama kali, dan lingkungan Wi‑Fi direkomendasikan.
-
Direkomendasikan untuk orang-orang seperti ini
- Yang ingin benar-benar mencerna artikel teknis yang sudah disimpan
- Yang penasaran seberapa baik performa model Gemma 3 di perangkat mobile
- Yang membutuhkan alat ringkasan/pembelajaran yang dipersonalisasi tanpa kekhawatiran kebocoran data
Karena ini masih versi awal, masih banyak kekurangan. (Terutama parsing halaman web yang mungkin belum sempurna.)
Jika Anda mencobanya dan punya masukan seperti "akan bagus kalau ada fitur seperti ini" atau "situs seperti ini kurang berjalan dengan baik", saya akan berusaha keras memperbaikinya selama liburan.
Terima kasih. Selamat menikmati liburan!
[Blank. tautan Google Play Store]
https://play.google.com/store/apps/details?id=com.shootsir.blank
12 komentar
Oh, ini persis seperti yang saya bayangkan. Kalau bisa terhubung dengan Obsidian, sepertinya bisa dimanfaatkan untuk banyak hal.
Tapi kenapa di negara tempat saya tinggal (Korea) tidak bisa diunduh...?
Boleh beri tahu kami persis teks yang Anda lihat di Play Store?
Kalau bisa, mohon sertakan juga model perangkatnya agar kami bisa mengeceknya lebih cepat!
Muncul tulisan
barang ini tidak tersedia untuk digunakan di negara tempat tinggal Anda
Terima kasih atas minatnya! Sepertinya ini masalah di Play Store, akan kami cek!
Kecepatan pembuatan kuisnya cepat dan UI-nya sederhana, jadi terasa nyaman digunakan. Saya menantikan pembaruannya!
Terima kasih sudah mengujinya. Kami akan terus memperbarui bagian-bagian yang masih kurang!
Tolong rilis juga untuk iPhone!
Versi iPhone juga akan kami coba rilis setelah stabilisasi di Android selesai!
Di ponsel lama rasanya sulit.
Sepertinya karena inferensi LLM dijalankan di perangkat, pada perangkat lama performanya kurang memadai atau sulit berjalan dengan baik T_T
Saya suka antarmukanya yang simpel. Saya membuat kuis di NotebookLM untuk meninjau ulang, dan dibandingkan dengan itu ada beberapa bagian yang agak kurang memuaskan. Saya menambahkan tautan tentang tokoh tertentu dari NamuWiki, tetapi pada 5 dari 7 soal jawabannya adalah tokoh tertentu tersebut. Saya rasa akan bagus jika bagian ini diperbaiki. Berdasarkan Fold 7, proses pembuatannya memakan waktu kurang dari 10 detik. Saya menantikan perkembangannya ke depan. Terima kasih.
Terima kasih atas masukannya! Kami akan mencoba memperbaikinya pada pembaruan berikutnya!