Seorang pengembang perangkat lunak menciptakan eksperimen audio generatif yang menarik perhatian komunitas pengembang internasional akhir-akhir ini. Rivalry Radio hadir sebagai acara radio palsu malam hari di mana dua persona AI — Max yang brash dan Poppy yang santun namun tajam — berdebat soal apa pun yang dimasukkan pengguna, mulai dari working from home versus kantor hingga seat window versus aisle di pesawat. Di balik kesederhanaan antarmuka itu, tersembunyi arsitektur serverless yang canggih memanfaatkan Google Gemini untuk penulisan naskah, ElevenLabs untuk sintetis suara, dan Cloudflare Workers sebagai lapisan orkestrasi — semua berjalan tanpa database, penyimpanan, atau pemrosesan video FFmpeg.
Pengembang di balik proyek ini, yang dikenal sebagai gandhamvimala di GitHub, membangun Rivalry Radio selama tantangan akhir pekan Dev.to "Passion Edition". Ia mengaku menghabiskan malam-malam untuk membangun editor video AI sebagai proyek sampingan, sehingga sudah familiar dengan pipeline audio. Tujuannya sederhana: menguji seberapa cepat ia bisa mengirimkan produk yang menggunakan otot teknis yang sama, namun dengan nol kesseriusan. Versi berfungsi lahir dalam satu malam; versi yang "bagus" memakan seluruh akhir pekan, di mana sebagian besar waktu tersedot oleh pembelajaran batas-batas tier gratis dari dua platform AI besar.
Inti keunikan Rivalry Radio terletak pada prompt engineering yang cermat untuk Gemini. Pengembang menemukan bahwa satu baris instruksi — "jika tidak tahu fakta nyata tentang rivalitas, ciptakan anekdot pribadi yang aneh dan spesifik" — memberikan lompatan kualitas terbesar dibandingkan sisa prompt. Memberi nama dan kepribadian pada pembicara (Max: worked up, Poppy: composed but sharper) serta memerintahkan mereka saling memanggil nama, membuat output berhenti terdengar seperti dua chatbot dan mulai terdengar seperti acara radio nyata. Mode "unhinged" dijalankan dengan temperature 1.1, karena pada default kedua fans hanya setuju untuk tidak setuju — yang menurut pengembang "terrible radio".
Sisi ElevenLabs menghadirkan tantangan operasional tersendiri. Setiap karakter dipetakan ke suara berbeda: Roxy (host veteran), Max (superfan emosional), dan Poppy (British velvety yang membuat ejekan santunnya terasa dua kali lebih keras). Tier gratis ElevenLabs mengajarkan pelajaran pahit: suara komunitas (community library voices) tidak bisa diakses via API di paket gratis, hanya suara bawaan (premade voices); API key memiliki scope izin per-endpoint, sehingga key tanpa akses text_to_speech gagal meski key-nya valid; batas 4 permintaan konkuren memaksa frontend mengambil klip suara berbatch 3 demi 3; dan plafon kredit bulanan tercapai dalam sehari, memaksa upgrade ke paket Starter yang incidentally membuka akses library suara komunitas — termasuk suara fans sarkastik yang diinginkan sejak hari pertama.
Arsitektur teknis memprioritaskan kesederhanaan radikal. Satu Cloudflare Worker melayani halaman sekaligus memproksi kedua API. Kunci API disimpan di Wrangler secrets dan tidak pernah menyentuh klien atau repositori. Input dibatasi 60 karakter per sisi dan 12 baris naskah sebelum mencapai API, dilengkapi rate limiting per-IP. Frontend memutar klip suara berurutan sambil transcript berkedip dan indikator bicara berdenyut — pengembang sengaja tidak menyatukan audio dengan FFmpeg karena pemutaran sekuensial dengan transcript live menciptakan efek yang lebih baik dan tidak memerlukan infrastruktur tambahan.
Perjalanan pengembangan mengungkap realitas tersembunyi membangun aplikasi AI komposisi: pekerjaan nyata bukan di happy path, melainkan di pertemuan batas platform. Pengembang menghantam lima batas platform berbeda dalam satu akhir pekan — token thinking Gemini 2.5 yang memakan kuota maxOutputTokens, kuota harian per model yang habis, batas konkuren ElevenLabs, scope izin API key, dan plafon kredit bulanan. Setiap batas justru memperbaiki aplikasi: batching menciptakan progress counter yang terasa hidup, pembatasan suara bawaan memaksa casting yang pas, dan dinding kuota mendorong migrasi ke Gemini 3.5 Flash yang justru menulis lelucon lebih tajam.
Dari perspektif industri, Rivalry Radio mendemonstrasikan bagaimana developer individu kini bisa merakit pengalaman multimedia generatif end-to-end dengan biaya infrastruktur mendekati nol. Kombinasi LLM untuk penulisan kreatif, TTS berkualitas broadcast untuk personifikasi, dan edge compute untuk orkestrasi tanpa state, membuka pintu format hiburan mikro yang sebelumnya memerlukan tim produksi radio penuh. Faktanya proyek ini open-source (GitHub: gandhamvimala/Rivalry-Radio) mempercepat difusi pengetahuan prompt engineering komedi, manajemen token thinking, dan pola batching TTS ke komunitas global.
Bagi ekosistem teknologi Indonesia, proyek ini relevan sebagai studi kasus praktis membangun produk AI voice-first tanpa beban DevOps berat. Startup media lokal, platform edutech, atau bahkan kreator konten independen bisa mengadopsi pola serupa: gunakan Cloudflare Workers atau Vercel Edge Functions untuk orkestrasi, manfaatkan tier gratis LLM dan TTS untuk validasi konsep, dan fokus investasi pada prompt engineering serta desain persona — bukan infrastruktur. Pelajaran tentang batas tier gratis, scope izin API, dan pengaturan parameter suara (stability 0.3, style 0.6) adalah pengetahuan domain yang menghemat waktu dan biaya saat skala naik.