Penelitian ini dilatarbelakangi oleh menurunnya penggunaan Bahasa Bugis di kalangan generasi muda serta kurangnya media pembelajaran digital yang interaktif. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan sebuah chatbot pembelajaran dua arah (Indonesia-Bugis) berbasis deep learning. Metode yang digunakan adalah SDLC Waterfall, dengan melakukan fine-tuning pada model pre-trained google MT5-small menggunakan dataset hybrid. (17.615 pasang data kata dan kalimat). Model yang telah dilatih kemudian diimplementasikan pada aplikasi Android yang terhubung ke Hugging Face API dan dilengkapi fitur speech-to-text. Hasil penelitian menunjukkan model penerjemahan berfungsi baik pada level kalimat, dengan skor chrF++ mencapai 45.58 untuk terjemahan Bugis-Indonesia. Pengujian fungsional aplikasi menunjukkan semua fitur berjalan "Valid", dan penilaian dari 42 pengguna mengonfirmasi penerimaan yang sangat positif, dengan 90,7% responden merasa hasil terjemahan sudah tepat.

Kata Kunci: Chatbot, Deep Learning, Natural Language Processing (NLP), mT5, Transformer, Bahasa Bugis, Neural Machine Translation (NMT), Speech-to-Text, Android.