MAKALAH
MAKALAH
SPEAKER RECOGNITION
SPEAKER RECOGNITION
Kelompok : Kelompok : Pifan Septiandi / 101088 Pifan Septiandi / 101088 Rizal / 101088 Rizal / 101088 Rizki Apriliyandi / 10108823 Rizki Apriliyandi / 10108823 Kelas : IF-15 Kelas : IF-15TEKNIK INFORMATIKA
TEKNIK INFORMATIKA
TEKNIK DAN ILMU KOMPUTER
TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
UNIVERSITAS KOMPUTER INDONESIA
2011/2012
2011/2012
BAB I BAB I
PENDAHULUAN PENDAHULUAN
1.1.
1.1. Latar BelakangLatar Belakang
Suara manusia dihasilkan oeh pita suara yang menghasilkan bunyi yang Suara manusia dihasilkan oeh pita suara yang menghasilkan bunyi yang berbeda-beda. Setiap
beda. Setiap individu manusia meindividu manusia memiliki suara yang bamiliki suara yang baraneka ragam terganraneka ragam tergantung dari posisitung dari posisi atau bentuk rongga seseorang. Hal ini menyebabkan karakter suara yang dimiliki seseorang atau bentuk rongga seseorang. Hal ini menyebabkan karakter suara yang dimiliki seseorang unik. Suara yang sesu
unik. Suara yang sesungguhnya yang sering mangguhnya yang sering manusia dengar nusia dengar merupakan suara vocmerupakan suara vocal sepertial seperti a, i, u, e, dan o. Karena
a, i, u, e, dan o. Karena itu, seseorang daitu, seseorang dapat dikenali dari suara merekapat dikenali dari suara mereka. Misalnya saja suara. Misalnya saja suara laki-laki yang bunyinya lebih berat dibanding dengan suara perempuan. Dari hal itu saja kita laki-laki yang bunyinya lebih berat dibanding dengan suara perempuan. Dari hal itu saja kita dapat langsung mengenali, yang mana suara laki-laki dan yang mana suara perempuan. dapat langsung mengenali, yang mana suara laki-laki dan yang mana suara perempuan. Dengan kata lain dengan suara kita bisa mengenali identitas seseorang.
Dengan kata lain dengan suara kita bisa mengenali identitas seseorang.
Teknologi pengolaha
Teknologi pengolahan suara adalah salah satu teknologi aplikasi n suara adalah salah satu teknologi aplikasi yang telah ditemukanyang telah ditemukan beberapa tahun lalu. Salah satunya adalah speaker recognition yang merupakan suatu proses beberapa tahun lalu. Salah satunya adalah speaker recognition yang merupakan suatu proses yang sering disebut dengan verifikasi pengucap. Yang berarti mengenali suara dengan cara yang sering disebut dengan verifikasi pengucap. Yang berarti mengenali suara dengan cara membandingkan dengan suara standar.
membandingkan dengan suara standar.
Perkembangan teknologi pengolahan sinyal suara manusia akhir-akhir ini sedang Perkembangan teknologi pengolahan sinyal suara manusia akhir-akhir ini sedang gencar diteliti dan dikembangkan. Salah satu contoh teknologi pengolahan sinyal suara gencar diteliti dan dikembangkan. Salah satu contoh teknologi pengolahan sinyal suara manusia yang sedang dikembangkan adalah sistem pengenal pengucap atau speaker manusia yang sedang dikembangkan adalah sistem pengenal pengucap atau speaker recognition. Sistem pengenal pengucap dapat digunakan sebagai salah satu sistem recognition. Sistem pengenal pengucap dapat digunakan sebagai salah satu sistem pengamanan pintu karena dapat mengeliminir siapa saja yang dapat mengakses pintu, pengamanan pintu karena dapat mengeliminir siapa saja yang dapat mengakses pintu, sehingga tidak diperlukan lagi kunci konvensional yang mudah hilang. Sinyal informasi sehingga tidak diperlukan lagi kunci konvensional yang mudah hilang. Sinyal informasi berupa suara pengucap akan digunakan sebagai otorisasi untuk mengakses pintu. Pengenal berupa suara pengucap akan digunakan sebagai otorisasi untuk mengakses pintu. Pengenal pengucap (speaker recognition) adalah suatu proses pengenalan untuk mengetahui siapa pengucap (speaker recognition) adalah suatu proses pengenalan untuk mengetahui siapa yangyang mengucapkan sinyal informasi tersebut dengan mencocokkan karakteristik ucapan yang ada mengucapkan sinyal informasi tersebut dengan mencocokkan karakteristik ucapan yang ada di dalam basisdata dengan ucapan masukan.
di dalam basisdata dengan ucapan masukan.
1.2.
1.2. Rumusan MasalahRumusan Masalah
Pengenal pengucap (speaker recognition) adalah suatu proses pengenalan untuk Pengenal pengucap (speaker recognition) adalah suatu proses pengenalan untuk mengetahui siapa yang mengucapkan sinyal informasi tersebut dengan mencocokkan mengetahui siapa yang mengucapkan sinyal informasi tersebut dengan mencocokkan karakteristik ucapan (vokal) yang ada
Untuk dapat memperoleh karakter suatu vokal terlebih dahulu sebuah sinyal suara Untuk dapat memperoleh karakter suatu vokal terlebih dahulu sebuah sinyal suara vokal diubah ke dalam
vokal diubah ke dalam domain frekuensi. Sedangkan untuk dapat mengenali suara seseorang,domain frekuensi. Sedangkan untuk dapat mengenali suara seseorang, data suara orang tersebut diperlukan sebagai acuan yang kemudian akan diverifikasi dengan data suara orang tersebut diperlukan sebagai acuan yang kemudian akan diverifikasi dengan suaranya yang lain menggunakan crosscorrelation. Pengetahuan tentang domain frekuensi suaranya yang lain menggunakan crosscorrelation. Pengetahuan tentang domain frekuensi dapat digunakan lebih lanjut dalam sintesis suara sedangkan verifikasi suara atau speaker dapat digunakan lebih lanjut dalam sintesis suara sedangkan verifikasi suara atau speaker recognition dapat digunakan dalam bidang keamanan sebagai tanda identitas seseorang. recognition dapat digunakan dalam bidang keamanan sebagai tanda identitas seseorang. Karakteristik ucapan dapat dibedakan melalui ekstraksi dengan suatu
Karakteristik ucapan dapat dibedakan melalui ekstraksi dengan suatu teknik pengkodean.teknik pengkodean. Teknik pengkodean yang digunakan dalam pegekstraksian ciri sinyal ucapan adalah Teknik pengkodean yang digunakan dalam pegekstraksian ciri sinyal ucapan adalah LPC (Linear Predictive Coding) dan menggunakan metode VQ (Vector Quantization) dalam LPC (Linear Predictive Coding) dan menggunakan metode VQ (Vector Quantization) dalam pencocoka
pencocokan ciri n ciri (feature matching).(feature matching).
Dengan mekanisme kerja pengambilan contoh-contoh suara, ekstraksi ciri dapat Dengan mekanisme kerja pengambilan contoh-contoh suara, ekstraksi ciri dapat dilakukan dengan cara proses sampling, front-end, preemphasis, frame blocking, windowing, dilakukan dengan cara proses sampling, front-end, preemphasis, frame blocking, windowing, dan DFT (Discrete Fourier Transform) dari ekstraksi ciri tersebut diproses lagi menggunakan dan DFT (Discrete Fourier Transform) dari ekstraksi ciri tersebut diproses lagi menggunakan metode K-means untuk mencari centroid diantara fitur-fitur dari hasil ekstraksi dan jarak metode K-means untuk mencari centroid diantara fitur-fitur dari hasil ekstraksi dan jarak terdekat antar centroid sehingga dapat dikelompokkan menjadi suara berdasarkan usia terdekat antar centroid sehingga dapat dikelompokkan menjadi suara berdasarkan usia dewasa atau anak anak yang kemudian disimpan kedalam database. Pada saat ada sinyal dewasa atau anak anak yang kemudian disimpan kedalam database. Pada saat ada sinyal wicara masuk,
wicara masuk, sistem akan melaksistem akan melakukan proses pengukan proses pengolahan wicara. Kemudian olahan wicara. Kemudian hasil ekstraksihasil ekstraksi sinyal baru tersebut akan dibandingkan dengan hasil ekstraksi sinyal standar yang terdapat di sinyal baru tersebut akan dibandingkan dengan hasil ekstraksi sinyal standar yang terdapat di database menggunakan metode DFT dan K-means sehingga akan dibandingkan dengan hasil database menggunakan metode DFT dan K-means sehingga akan dibandingkan dengan hasil pengklusteran, apakah suara tersebut masuk dalam range centroid 1 (dewasa) atau centroid 2 pengklusteran, apakah suara tersebut masuk dalam range centroid 1 (dewasa) atau centroid 2 (anak anak). Hasil dari Software ini adalah berupa clustering suara dewasa dan anak anak, (anak anak). Hasil dari Software ini adalah berupa clustering suara dewasa dan anak anak, yang mana nantinya system akan membedakan suara dewasa dan anak anak dengan melihat yang mana nantinya system akan membedakan suara dewasa dan anak anak dengan melihat nilai formant-formatnya.
nilai formant-formatnya.
Recognition yang mampu mengenali mendekati 100 % masih terus diteliti dan dicari Recognition yang mampu mengenali mendekati 100 % masih terus diteliti dan dicari metode-metode yang paling efektif. Apabila recognition belum mencapai tingkat pengenalan metode-metode yang paling efektif. Apabila recognition belum mencapai tingkat pengenalan 100 % sistem
100 % sistem ini tentunya tidak akan memperbaiki security dan accessibility. Pekerjaan beratini tentunya tidak akan memperbaiki security dan accessibility. Pekerjaan berat untuk mengoptimalkan sistem inilah yang menjadi hambatan utama untuk untuk mengoptimalkan sistem inilah yang menjadi hambatan utama untuk mengimplementa
mengimplementasikan sistem ini. sikan sistem ini. Karena banyak aspek juga yang harus diteliti Karena banyak aspek juga yang harus diteliti agar performaagar performa pengenalan bisa semakin membaik (contohnya : aspek penggunaan jenis microphone, noise/ pengenalan bisa semakin membaik (contohnya : aspek penggunaan jenis microphone, noise/ gangguan, kemung
gangguan, kemungkinan kareteristik suara yang dibuat mirip, kinan kareteristik suara yang dibuat mirip, dan lain-lain).dan lain-lain).
1.3.
1.3. TujuanTujuan Tujuan : Tujuan :
-- Mengetahui implementasi speaker recognitionMengetahui implementasi speaker recognition -- Mengetahui cara kerja speaker recognitionMengetahui cara kerja speaker recognition
1.4.
1.4. Batasan MasalahBatasan Masalah
-- Masalah yang dibahas hanya beberapa metode yang berhubungan denganMasalah yang dibahas hanya beberapa metode yang berhubungan dengan implementasi speaker recognition.
implementasi speaker recognition.
-- Diambil dari beberapa jurnal yang terkait dengan speaker recognition. DimaksudkanDiambil dari beberapa jurnal yang terkait dengan speaker recognition. Dimaksudkan agar pembahasan tidak terlalu luas.
BAB II BAB II
PEMBAHASAN PEMBAHASAN
Speaker
Speaker recognition yrecognition yang merupaang merupakan suatu kan suatu proses proses yang yang sering disebusering disebut dengant dengan verifikasi pengucapan. Yang berarti mengenali suara dengan cara membandingkan dengan verifikasi pengucapan. Yang berarti mengenali suara dengan cara membandingkan dengan suara standar. Mekanisme cara kerja mekanisme ini dengan cara mengambil contoh-contoh suara standar. Mekanisme cara kerja mekanisme ini dengan cara mengambil contoh-contoh suara. Sebagai manusia, kita mampu mengenali seseorang hanya dengan mendengar dia atau suara. Sebagai manusia, kita mampu mengenali seseorang hanya dengan mendengar dia atau berbicara. Biasanya, beberapa detik dari pidato yang cukup untuk mengidentifikasi suara berbicara. Biasanya, beberapa detik dari pidato yang cukup untuk mengidentifikasi suara yang familier. Dari sini muncul Ide untuk mengajarkan komputer bagaimana mengenali yang familier. Dari sini muncul Ide untuk mengajarkan komputer bagaimana mengenali manusia.
manusia.
Suara yang ada pada manusia itu mengeluarkan gelombang atau frekuensi bunyi, pada Suara yang ada pada manusia itu mengeluarkan gelombang atau frekuensi bunyi, pada domain frekuensi bunyi kita bisa menganalisis suatu sinyal. Untuk bisa melakukan itu kita domain frekuensi bunyi kita bisa menganalisis suatu sinyal. Untuk bisa melakukan itu kita membutuhkan bantuan alat, salah satunya adalah
membutuhkan bantuan alat, salah satunya adalah tranformasi fourier tranformasi fourier yang dinyatakan denganyang dinyatakan dengan persamaan sebagai berikut :
persamaan sebagai berikut :
Kedua persamaan ini merupakan pasangan, maksudnya itu persamaan yang satu Kedua persamaan ini merupakan pasangan, maksudnya itu persamaan yang satu adalah transformasi dari persamaan yang lain.
adalah transformasi dari persamaan yang lain.
Untuk membandingkan suatu sinyal lain dapat dinyatakan dengan persamaan cross Untuk membandingkan suatu sinyal lain dapat dinyatakan dengan persamaan cross – – correlation. Persamaannya sebag
correlation. Persamaannya sebagai berikut ai berikut ::
Di mana x(t) merupakan suatu sinyal acuan dan y(t) adalah sinyal lain yang Di mana x(t) merupakan suatu sinyal acuan dan y(t) adalah sinyal lain yang dibandingkan , tetapi perhitungan dengan persamaan ini membutuhkan waktu yang lama. dibandingkan , tetapi perhitungan dengan persamaan ini membutuhkan waktu yang lama. Karena itu diperlukan suatu persamaan yang lebih cepat, salah satunya adalah dengan Karena itu diperlukan suatu persamaan yang lebih cepat, salah satunya adalah dengan transformasi fourier sebagai berikut :
Dimana X *(w) merupakan kompleks konjugat dari X(w). persamaan ini dapat Dimana X *(w) merupakan kompleks konjugat dari X(w). persamaan ini dapat digunakan untuk menentukan tingkat kesamaan atau kemiripan suatu sinyal terhadap sinyak digunakan untuk menentukan tingkat kesamaan atau kemiripan suatu sinyal terhadap sinyak yang lainnya.
yang lainnya.
Berikut ini merupakan domain frekuensi yang diperoleh dengan program DFT Berikut ini merupakan domain frekuensi yang diperoleh dengan program DFT menggunakan MATLAB 6.5.1 menggunakan MATLAB 6.5.1 (a) (a) (b) (b)
Gambar (a) di atas merupakan domain waktu sinyal vocal /u/. dan pada Gambar (a) di atas merupakan domain waktu sinyal vocal /u/. dan pada gambar(b)merupa
(c) (c)
(d) (d)
Pada gambar (c) di atas merupakan waktu sinyal suara vocal /a/. dan pada gambar(d) Pada gambar (c) di atas merupakan waktu sinyal suara vocal /a/. dan pada gambar(d) merupakan domain dari frekuensi system vocal /a/.
merupakan domain dari frekuensi system vocal /a/.
Dari gambar-gambar diatas dapat dilihat bahwa puncak
Dari gambar-gambar diatas dapat dilihat bahwa puncak – – puncak domain frekuensipuncak domain frekuensi pada fonem /u/. berada pada sekitar frekuensi 350hz dengan identitas (relative)0.5dB pada pada fonem /u/. berada pada sekitar frekuensi 350hz dengan identitas (relative)0.5dB pada puncak pertama dan sekitar 1000hz dengan intensitas (relative) -0.1 dB pada puncak kedua. puncak pertama dan sekitar 1000hz dengan intensitas (relative) -0.1 dB pada puncak kedua. Sedangkan frekuensi fundamental adalah 140hz dengan intensitas 0.45dB. secara relative Sedangkan frekuensi fundamental adalah 140hz dengan intensitas 0.45dB. secara relative perbandingan amplitude puncak pertama terhadap puncak kedua adalah 1: 25. Sedangkan perbandingan amplitude puncak pertama terhadap puncak kedua adalah 1: 25. Sedangkan pada vocal /a/ puncak pertama di frekuensi 120 hz dengan intensitas(relative) 0.32 dB yang pada vocal /a/ puncak pertama di frekuensi 120 hz dengan intensitas(relative) 0.32 dB yang juga
(relatife) 0.60dB
(relatife) 0.60dB yang merupakan frekuensi dengan intensitas tertinggi, puncak ketiga 1650hzyang merupakan frekuensi dengan intensitas tertinggi, puncak ketiga 1650hz dB yang merupakan frekuensi intensitas tertinggi, puncak ketiga 1650Hz dengan intensitas dB yang merupakan frekuensi intensitas tertinggi, puncak ketiga 1650Hz dengan intensitas (relative) 0.23 dB, puncak keempat 2500hz sebesar 2.23 dB, puncak kelima 3800 hz (relative) 0.23 dB, puncak keempat 2500hz sebesar 2.23 dB, puncak kelima 3800 hz – – 0.50dB, dan puncak keenam 4500 hz
0.50dB, dan puncak keenam 4500 hz – – 0.75 dB. Secara relative perbandingan puncak 0.75 dB. Secara relative perbandingan puncak – – puncak tersebut adalah 0.52 : 1 : 0. 43 : 0.15 :
puncak tersebut adalah 0.52 : 1 : 0. 43 : 0.15 : 0.08 : 0.04.0.08 : 0.04.
Pada teori
Pada teori – – teori diatas yteori diatas yang dapat ang dapat diterapkan paditerapkan pada speaker da speaker recognition recognition , kalau, kalau setiap suara itu memiliki frekuensi yang berbeda
setiap suara itu memiliki frekuensi yang berbeda – – beda. Untuk contoh frekuensi suarabeda. Untuk contoh frekuensi suara dengan kata “buka” dengan memakai orang yang sama namun waktu yang berbeda.
dengan kata “buka” dengan memakai orang yang sama namun waktu yang berbeda.
Frekuensi yang dihasilkan sama atau mendekati. Namun jika orang lain yang berkata Frekuensi yang dihasilkan sama atau mendekati. Namun jika orang lain yang berkata “buka” maka frekuensi suaranya seperti gambar berikut :
Pada teknologi speaker recognition ada beberapa teori
Pada teknologi speaker recognition ada beberapa teori penunjang :penunjang :
a.
a. Sinyal SuaraSinyal Suara merupakan sinyal diskrit yang dipengaruhi oleh merupakan sinyal diskrit yang dipengaruhi oleh waktu.waktu. b.
b. FormantFormant didefinisikan oleh fant sebagai puncak spectrum suara, formant jugadidefinisikan oleh fant sebagai puncak spectrum suara, formant juga digunakan untuk mengartikan suara akustik resonansi.
digunakan untuk mengartikan suara akustik resonansi. c.
c. SpectrogramSpectrogram gambar yang menunjukan spectrum dari sinyal terhadap waktu,gambar yang menunjukan spectrum dari sinyal terhadap waktu, spectrogram digunakan untuk mengidentifikasi suara, speech prosesing, dll.
spectrogram digunakan untuk mengidentifikasi suara, speech prosesing, dll. d.
d. Source filter modelSource filter model dalam satu ucapan terdapat 2 sumber akustik yaitu suatu ucapandalam satu ucapan terdapat 2 sumber akustik yaitu suatu ucapan dengan suara dan ucapan tanpa suara. Ucapan bersuara dihasilkan getaran dari dengan suara dan ucapan tanpa suara. Ucapan bersuara dihasilkan getaran dari modulasi udara dari paru
modulasi udara dari paru – – paru. Sedangkan ucapan tanpa suara bukan merupakanparu. Sedangkan ucapan tanpa suara bukan merupakan getaran suara biasa melainkan aliran udara yang disebabkan turbulen akibat getaran suara biasa melainkan aliran udara yang disebabkan turbulen akibat penyempitan di saluran vocal.
penyempitan di saluran vocal. e.
e. Pengelolaan Sinyal DigitalPengelolaan Sinyal Digital pengelolaan sinyal suara sampai diperoleh koefisienpengelolaan sinyal suara sampai diperoleh koefisien karakteristik.
karakteristik. f.
f. SamplingSampling sinyal suara yang tidak terbatas pada domain waktu.sinyal suara yang tidak terbatas pada domain waktu. g.
g. Frame blockingFrame blocking pembagian suara menjadi beberapa frame dan satu frame terdiri daripembagian suara menjadi beberapa frame dan satu frame terdiri dari beberapa sampel.
h.
h. WindowingWindowing mengurangi efek diskontinuitas dari potonganmengurangi efek diskontinuitas dari potongan – – potongan sinyal padapotongan sinyal pada awal dan akhir sinyal. Efek dari diskontinuitas akan menyebabkan kesalahan data awal dan akhir sinyal. Efek dari diskontinuitas akan menyebabkan kesalahan data pada proses transformasi fourier.
pada proses transformasi fourier. i.
i. Discrette fourier transform(DFT)Discrette fourier transform(DFT) metode yang efisien untuk menyelesaikanmetode yang efisien untuk menyelesaikan transformasi fourier diskrit yang banyak dipakai untuk keperluan analisa sinyal seperti transformasi fourier diskrit yang banyak dipakai untuk keperluan analisa sinyal seperti pemfilteran, analisa korelasi, dan analisa spectrum.
pemfilteran, analisa korelasi, dan analisa spectrum.
Dalam speaker recognition ada beberapa algoritma yang dapat digunakan atau Dalam speaker recognition ada beberapa algoritma yang dapat digunakan atau diterapkan yaitu sebagai berikut :
diterapkan yaitu sebagai berikut :
1.
1. Algoritma K-meansAlgoritma K-means yaitu suatu algoritma yang sering digunakan didalam teknik yaitu suatu algoritma yang sering digunakan didalam teknik pengelompokan karena membuat suatu perkiraan yang efisien dan tidak dan tidak pengelompokan karena membuat suatu perkiraan yang efisien dan tidak dan tidak memerlukan banyak banyak parameter. K-means[MacQueen(1967)] menggunakan k memerlukan banyak banyak parameter. K-means[MacQueen(1967)] menggunakan k kelompok
kelompok yang yang telah telah ditetapkan ditetapkan (k (k kelompok kelompok pertama pertama sebagai sebagai centroid). centroid). SepertiSeperti pada gambar dibawah ini.
pada gambar dibawah ini.
Pada gambar sebelah kiri
Pada gambar sebelah kiri merupakan contoh gambar perolehan centroid menggunakanmerupakan contoh gambar perolehan centroid menggunakan k-means pada matlab. Sendagkan pada gambar sebelah kanan perolehan centroid k-means pada matlab. Sendagkan pada gambar sebelah kanan perolehan centroid menggunakan k-means.
menggunakan k-means.
2.
2. VQ (VQ (Vector Quantization)Vector Quantization) yaitu algoritma yyaitu algoritma yang dipakai ang dipakai untuk membentuuntuk membentuk k codebook codebook adalah algoritma LBG(linde Buzo Gray Algorithm). Algoritma tersebut adalah algoritma LBG(linde Buzo Gray Algorithm). Algoritma tersebut diimplementasikan dalam prosedur berulang sebagai berikut :
diimplementasikan dalam prosedur berulang sebagai berikut : 1)
1) Menentukan vector codebook pertama, yang merupakan centroid awal dariMenentukan vector codebook pertama, yang merupakan centroid awal dari keseluruha
2)
2) Menggandakan jumlah codebook dengan membagi tiap vector yn dariMenggandakan jumlah codebook dengan membagi tiap vector yn dari codebook yang telah terbentuk, dengan aturan :
codebook yang telah terbentuk, dengan aturan :
Dengan n memiliki nilai antara 1 sampai dengan M (ukuran dari codebook Dengan n memiliki nilai antara 1 sampai dengan M (ukuran dari codebook y
yaanng g ddiiiinnggiinnkkaann))m m ddaan n meerrum uppaakkaan n ppaarraammeetteer r ppeemmbbaaggi i (( )).. 3)
3) Pencarian nearest- neighbour : untuk tiap vektor ciri, temukan codeword diPencarian nearest- neighbour : untuk tiap vektor ciri, temukan codeword di dalam
dalam codebook codebook tersebut.tersebut. 4)
4) Pembaharuan centroid : memperbaharui codeword pada setiap kelompok Pembaharuan centroid : memperbaharui codeword pada setiap kelompok dengan menggun
BAB III
BAB III
KESIMPULAN
KESIMPULAN
Speaker recognition adalah suatu proses pengenalan untuk mengetahui siapa yang Speaker recognition adalah suatu proses pengenalan untuk mengetahui siapa yang mengucapkan sinyal informasi tersebut dengan mencocokkan karakteristik ucapan yang ada mengucapkan sinyal informasi tersebut dengan mencocokkan karakteristik ucapan yang ada di dalam basisdata dengan ucapan masukan.
di dalam basisdata dengan ucapan masukan.
Dengan teknologi speaker recognition, sekali lagi manusiadimudahkan dalam Dengan teknologi speaker recognition, sekali lagi manusiadimudahkan dalam kehidupannya. Dengan beberapa metode, speaker recognition bisa menjadi teknologi yang kehidupannya. Dengan beberapa metode, speaker recognition bisa menjadi teknologi yang bisa digunakan dalam kehidupan sehari-hari secara maksimal.
bisa digunakan dalam kehidupan sehari-hari secara maksimal.
Penggunaan teknologi speaker recognition bisa di terapkan pada berbagai bidang. Penggunaan teknologi speaker recognition bisa di terapkan pada berbagai bidang. Bukan hanya dalam sistem verifikasi, bahkan bisa digunakan untuk security dan accessibiliy Bukan hanya dalam sistem verifikasi, bahkan bisa digunakan untuk security dan accessibiliy dalam suatu jaringan, mengetahui usia seseorang dari suara, dan juga bisa digunakan dalam dalam suatu jaringan, mengetahui usia seseorang dari suara, dan juga bisa digunakan dalam persidangan suatu kasus kriminal yang hanya memiliki bukti
Lampiran Lampiran