Simulasi Unjuk Kerja Speech-To-Text Menggunakan Metode Discrete Hidden Markov Model pada Aplikasi Speaker Dependent

Speech-to-Text yang merupakan salah satu aplikasi dari Speech Recognition. Makalah ini membahas bagaimana sistem Speech-to-Text menggunakan Discrete Hidden Markov Model dapat mengenali kata untuk kata dasar maupun kata bentukan yang diucapkan oleh seseorang tertentu (speaker dependent) dan melihat performansi (unjuk kerja) dari sistem dengan parameter ukuran codebook dan jumlah training yang berbeda-beda. Metoda yang digunakan dalam simulasi ini yaitu mengenali kata melalui pengenalan terhadap unit katanya (suku kata). Suku kata yang dijadikan sebagai sumber database sebanyak 25 buah Dari hasil simulasi diperoleh bahwa ukuran codebook dan jumlah training yang lebih besar memberikan performansi yang lebih baik. Sistem Speech-to-Text ini berhasil mengenali sedikitnya 50 kata dari variasi 25 suku kata, dengan performansi kata yang dapat dikenali baru mencapai 81,09 %.

Nama : Wachid Nafian 1) Dan Dadang Gunawan 2)
Email : nafian19@yahoo.com, 2 guna@eng.ui.ac.id
Kategori : SPEECH & SIGNAL PROCESSING
Institusi : Departemen Elektro Fakultas Teknik, Universitas Indonesia