Sistem Text-To-Speech & Speech Recognition
Suatu sistem Text-To-Speech (TTS) dapat didefinisikan sebagai sistem yang dapat mengubah suatu teks menjadi ucapan secara otomatis melalui fonetisasi (penyusunan fonem-fonem untuk membentuk ucapan). Sebuah sistem TTS dapat mengucapkan kata apapun, sebab kosa katanya tidak terbatas.
Berdasarkan definisi tersebut, maka suatu sistem Interactive Voice Response (IVR) yang banyak digunakan untuk layanan informasi otomatis melalui telpon (call center) tidak dapat dikategorikan sebagai sistem TTS karena hanya dapat mengucapkan kata-kata atau kalimat dengan jumlah atau kombinasi yang sangat terbatas. Ada berbagai teknik fonetisasi (phonem-to-speech):
- Perekaman suara manusia → suara seseorang direkam, kemudian untuk menghasilkan suatu ucapan, potongan-potongan suara tersebut digabungkan (hasil suara kurang natural)
- Perekaman diphone → suara seseorang ketika mengucapkan berbagai suku kata direkam, kemudian untuk menghasilkan suatu ucapan, rekaman atas berbagai suku kata tersebut digabungkan (hasil suara lebih natural)
- Pembelajaran
- Artikulatori → pita suara seseorang dironsen, lalu hasil ronsen tersebut dikonversi ke persamaan matematis yang merepresentasikan gelombang fisika
Berkebalikan dengan sistem TTS, sistem Speech Recognition merupakan sebuah sistem yang digunakan untuk mengenali perintah kata dari suara manusia dan kemudian diterjemahkan menjadi suatu data yang dimengerti oleh komputer. Pada saat ini, sistem ini digunakan untuk menggantikan peranan input dari keyboard ataupun mouse. Keuntungan dari sistem ini terletak pada kecepatan dan kemudahan dalam penggunaannya. Kata-kata yang ditangkap dan dikenali bisa jadi sebagai hasil akhir untuk sebuah aplikasi seperti command & control, penginputan data, dan persiapan dokumen. Parameter yang dibandingkan ialah tingkat penekanan suara yang kemudian akan dicocokkan dengan template database yang tersedia.
