Bahasa Inggris telah menjadi bahasa internasional yang penting dalam komunikasi global, bisnis, pendidikan, dan teknologi. Di era digital saat ini, kebutuhan untuk menguasai bahasa Inggris semakin penting. Penelitian ini berfokus pada pembangunan model chatbot yang bisa digunakan sebagai media pelatihan bahasa yang interaktif menggunakan deep learning dengan arkitektur Seq2Seq yang menggunakan sel LSTM dan BiLSTM serta pengaruh parameternya pada nilai skor Bleu. Penelitian ini menggunakan dataset “Cornell movie subtitle corpus” untuk melatih model. Indikator yang digunakan dalam fase pengujian adalah learning rate, epoch, batch, max sequence length, dan embedding size. Berdasarkan hasil pengujian dengan indikator tersebut, model yang terbaik untuk meraih skor Bleu menggunakan learning rate 0.001, max sequence length 15, embedding size 300, epoch 250, dan batch 250 dengan skor nilai Bleu 0.2032180319. Evaluasi manusia terhadap model chatbot menunjukan bahwa subjek bisa mendapat manfaat dari metode pembelajaran chatbot yang interaktif, praktis dan fleksibel. Hasil evaluasi manusia juga menyarankan bahwa sebagian besar subjek tidak merasa tekanan sosial dari penggunaan chatbot.