Perkembangan kecerdasan buatan (Artificial Intelligence/AI) mendorong pengembangan asisten virtual berbasis suara yang ringan dan adaptif untuk perangkat mobile. Penelitian ini bertujuan merancang aplikasi asisten virtual berbasis Android bernama ChatbotPNUP, yang mampu menerima input suara maupun teks, serta memberikan respons interaktif berupa teks dan audio. Aplikasi ini menggabungkan Vosk untuk pengenalan suara offline, Google Speech Recognizer untuk mode online, TensorFlow Lite (TFLite) untuk klasifikasi intent, serta Text-to-Speech (TTS) untuk menghasilkan keluaran suara.
Metode yang digunakan adalah prototyping, melalui tahapan perancangan, implementasi, dan pengujian. Dataset intent disusun dari pertanyaan seputar kampus dan digunakan untuk melatih model klasifikasi berbasis TFLite.
Hasil pengujian menunjukkan aplikasi berjalan stabil pada perangkat Android kelas menengah dengan waktu respon 1–4 detik. Model klasifikasi intent mencapai akurasi validasi 91%, sementara Vosk memungkinkan aplikasi tetap berfungsi tanpa jaringan. Penelitian ini membuktikan bahwa integrasi TensorFlow Lite dan Vosk menghasilkan asisten virtual yang ringan, adaptif, serta dapat digunakan baik dalam kondisi online maupun offline.