Automatic Speech Recognition (ASR) dan

Text To Speech (TTS) pada Perangkat Mobile

Lia Saputri Program Studi Ilmu Komputer

Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

Universitas Pendidikan Indonesia

Jl. Dr. Setiabudhi No. 229Bandung

lia.saputri@student.upi.edu

Abstrak— Bahasa Inggris adalah bahasa wajib saat

kita sedang berbicara dengan orang asing atau saat

kita sedang berada di luar negeri. Untuk itu kita

dituntut untuk dapat memahami bahasa

Internasional tersebut. Cara yang paling sering

digunakan adalah menggunakan kamus atau

menggunakan jasa penerjemah. Namun hal itu

seringkali merepotkan. Penulisan jurnal ini

dilakukan untuk mengkaji sebuah aplikasi yaitu

kamus suara yang merupakan aplikasi mobile yang

dikembangkan pada smartphone berbasis Android 2.3

keatas dengan menggunakan teknologi pemrosesan

bahasa yaitu Automatic Speech Recognition (ASR)

dan Text-to-Speech (TTS). Pembahasan dalam jurnal

ini diharapkan dapat membantu dalam pembuatan

aplikasi kamus suara yang dapat digunakan sebagai

alat bantu dalam mempelajari bahasa Inggris.

Kata kunci— Aplikasi Mobile, kamus suara,

Automatic Speech Recognation (ASR), Text-to-Speech

(TTS)

I. PENDAHULUAN

Pada era globalisasi, saat ini sudah tidak aneh

lagi jika kita melihat orang asing di sekitar kita.

Bepergian ke luar negeri pun sudah bukan hal yang

sulit dilakukan saat ini. Tetapi saat kita berada di

luar negeri, kita sering kesulitan dalam memahami

bahasa yang mereka gunakan. Begitu juga jika kita

kebetulan bertemu dengan orang asing yang sedang

menanyakan arah kepada kita, kita terkadang

kebingungan untuk menjelaskan kepada mereka,

karena bahasa yang mereka gunakan berbeda

dengan bahasa kita. Untuk menyelesaikan

persolaan ini, hal yang paling sering dilakukan

adalah membawa kamus, namun hal itu sering kali

merepotkan karena kita harus mencari arti perkata.

Atau cara lain yang sering kali para wisatawan

lakukan adalah menggunakan jasa penerjemah.

Untuk menyewa penerjemah sudah pasti membuat

biaya liburan kita bertambah. Selain masalah

tersebut, masalah yang sering dihadapi adalah

masalah spelling atau pelafalan. Karena penulisan

dan pelafalan dalam bahasa Inggris seringkali

berbeda.

Berdasarkan hal tersebut, maka dalam jurnal ini

dilakukan pembahasan tentang Kamus Suara

menggunakan Automatic Speech Recognition

(ASR) dan Text to Speech (TTS) pada Smartphone

berbasis Android. Kamus suara ini diharapkan

dapat digunakan sebagai alat bantu dalam

pembelajaran bahasa Inggris. Selain untuk

pembelajaran, kamus suara ini dapat berperan

sebagai penerjemah saat kita bepergian ke luar

negeri ataupun saat kita berbicara dengan orang

asing. Karena sifatnya yang mobile, kamus suara

ini sangat praktis digunakan dimana saja dan kapan

saja.

II. METODOLOGI PENELITIAN

Penulisan jurnal ini dilakukan dengan

pendekatan studi literatur yang berkenaan tentang

permasalahan secara umum tentang Automatic

Speech Recognition (ASR) dan Text To Speech

(TTS).

III. BATASAN MASALAH

Penelitian ini dilakukan dalam batasan sebagai

berikut : 1. Penulisan jurnal ini hanya pada tahap

pembahasan ASR dan TTS dalam

Kamus Suara. Tidak sampai pada tahap

pengembangan.

2. Bahasa target adalah Bahasa Inggris

untuk ASR dan Bahasa Indonesia untuk

TTS.

IV. PEMBAHASAN

A. (Marietha, dkk. 2012) SMSsuara adalah sebuah aplikasi SMS (Short

Message Service) yang menggunakan teknologi

sistem pengucapan, seperti Automatic Speech

Recognition (ASR) dan Text to Speech (TTS),

untuk meminimalkan penggunaan keypad

handphone.

Aplikasi SMSsuara ditujukan kepada

pengemudi dan lansia. Pengguna dapat

mengirimkan pesan teks dengan suara. Jika selama

ini kita mengirim SMS yang berupa teks, maka

dengan SMSsuara ini kita dapat mengirimkan SMS

dengan perintah suara. Sedangkan untuk si

penerima pesan, akan menerima pesan yang berupa

suara juga. Bahasa yang digunakan dalam ASR dan

TTS pada SMSsuara ini adalah bahasa Indonesia.

Penelitian ini dibagi menjadi dua tahap, yaitu

pelatihan ASR dan implementasi sistem SMSsuara.

Dalam ASR Training ada beberapa tahap yang

harus dilakukan yaitu :

1. Menyiapkan daftar kalimat

2. Membangun kamus/kosakata

3. Menciptakan model bahasa

4. Menciptakan model akustik

Dalam pengimplementasian SMSsuara

tahap yang harus dilakukan, yaitu :

1. Implementasi dan konfigurasi perekam

ASR

2. Implementasi TTS

3. Penanganan perintah suara

4. Penanganan ejaan kata

5. Penanganan penyingkatan kata pada

SMS

Dari hasil pengujian ASR dan SMSsuara

application dapat disimpulkan bahwa aplikasi

SMSsuara berhasil di integrasikan dengan ASR

untuk menulis SMS. Aplikasi SMSsuara juga

berhasil diintegrasikan dengan TTS unuk

membaca SMS. Selain itu aplikasi ini juga

berhasil menangani masukan berupa perintah

suara untuk menunjang kinerja aplikasi

SMSsuara ini.

B. (Violante, dkk., 2013)

Penelitian ini menyajikan sebuah metode untuk

meningkatkan kealamian dari speech-synthesizer

berbasis corpus dengan menghilangkan puncak

pitch suara pada speech recognition. Corpus yang

digunakan adalah SECYT corpus, buatan

Laboratorio de Investigaciones Sensoriales

(Universidad de Buenos Aires).

Dalam mereduksi puncak pitch suara, penulis

menggunakan teknik pemroses sinyal Time-

Domain Pitch-Synchronous Overlap-and-Add (TD-

PSOLA). Gambar dibawah ini memperlihatkan

metode pereduksian puncak pitch.

Dalam pengujian kealamian suara, penulis

menggunakan metode Mean Opinion Score (MOS)

dengan 20 kalimat, masing-masing panjangnya 5-

20 kata dan 20 kalimat tambahan untuk

pembelajaran.

Pengevaluasian metode ini menggunakan

concatenative dan Hidden Markov Model (HMM)

dan dua implementasi yang berbeda yaitu Festival

dan Mary. Kealamian dari sistem concatenative dan

berbasis HMM yang dibangun dengan kerangka

MARY dan HMM yang dibangun dengan Festival

menunjukkan peningkatan kealamian suara.

Sedangkan sistem Festival concatenative tidak

menunjukkan peningkatan. Singkatnya, metode ini,

dalam beberapa kasus, berhasil meningkatkan

kealamian suara yang dihasilkan.

C. (Rachma, dkk., 2011)

Aplikasi yang dibuat pada paper ini adalah

aplikasi untuk mengkonversi penulisan teks pada

PC atau laptop menjadi output suara sesuai dengan

teks yang dituliskan. Pembuatan aplikasi ini

dilakukan dengan menggunakan metode sistem

sintesis yang terdiri dari tiga proses, yaitu text pre

processing, pembangkitan prosodi dan proses

concatenation.

1. Text pre processing

Adalah proses pengkonversian dari input

berupa teks, menjad diphone (gabungan

dari fonem). Inputan yang berupa teks,

akan dikonversi menjadi diphone yang

telah tersedia di database diphone.

2. Prosodi

Adalah perubahan nilai frekuensi dasar

selama pengucapan kalimat yang dilakukan

sebagai fungsi waktu. Prosodi digunakan

untuk mendapatkan ucapan yang lebih

alami, sehingga ucapan yang dihasilkan

memiliki intonasi.

3. Concatenation

Merupakan penggabungan segmen-segmen

bunyi yang telah direkam sebelumnya.

Setiap segmen berupa diphone. Jadi bisa

dikatakan concatenation adalah proses yang

menggabungkan ekedua proses diatas

untuk mendapatkan output suara sesuai

yang dituliskan pada teks inputan.

Inputan yang bisa dimasukkan adalah kata,

kalimat atau angka. Inputan tersebut masuk ke

dalam blok text pre processing. Kata atau kalimat

tersebut lalu dikonversikan kedalam bentuk

diphone. Jika masukan berupa angka, maka sistem

akan mengkonversikan angka menjadi string. Dari

bentuk string inilah, angka kemudian dikonversikan

ke dalam bentuk diphone. Setelah inputan menjadi

diphone, maka selanjutnya adalah proses

penggabungan diphone-diphone tersebut

(concatenation). Maka inputan kita sebelumnya,

akan berubah menjadi suara.

V. KESIMPULAN

Automatic speech recognition adalah sebuah

proses algoritma untuk mengkonversi inputan

berupa suara menjadi urutan kata yang disesuaikan

dengan inputannya. Sedangkan Text to speech

adalah sebuah sistem yang dapat mengkonversi

masukan berupa teks menjadi suara. Dalam TTS

terdapat dua sub proses dalam pengkonversiannya,

yaitu teks ke fonem dan fonem ke suara.

Aplikasi Kamus Suara adalah sebuah kamus

yang dapat menerima masukan berupa perintah

suara. Selain dalam bentuk tulisan, hasil

terjemahannya juga dalam bentuk suara. Kamus

suara ini menggunakan Automatic Speech

Recognition (ASR) untuk menerima masukan

berupa suara. Lalu suara akan di konversi ke text.

Setelah inputan menjadi text, maka kata tersebut

akan dibandingkan dengan text yang tersedia pada

database sistem. Setelah terdapat kecocokan antara

kata yang dicari dan kata yang tersedia, maka

selanjutnya adalah proses text to speech (TTS)

untuk menterjemahkan hasil yang berupa teks ke

suara. Dan hasil akhirnya user akan mendengarkan

hasil terjemahan kata yang diinginkan dalam

bahasa Inggris.

DAFTAR PUSTAKA

[1] Marietha, Sonya, dkk. (2012). SMSsuara

Application with Automatic Speech Recognition

and Text to Speech on Mobile Phone. Institut

Teknologi Bandung.

[2]Violante, dkk. (2013). Improving Speech

Synthesis Quality by Reducing Pitch Peaks in

the Source Recordings. Universidad de Buenos

Aires.

[3] Rachma, H.D., dkk. (2011). Pembuatan Text-

To-Speech Synthesis System untuk Penutur

Berbahasa Indonesia. Institut Teknologi

Sepuluh November.