scholarly journals Voice Recognition using Dynamic Time Warping and Mel-Frequency Cepstral Coefficients Algorithms

2015 ◽  
Vol 116 (2) ◽  
pp. 34-41 ◽  
Author(s):  
Abdelmajid H.Mansour ◽  
Gafar Zen Alabdeen Salh ◽  
Khalid A. Mohammed
Keyword(s):  
Dynamic Time Warping ◽  
Voice Recognition ◽  
Time Warping ◽  
Mel Frequency Cepstral Coefficients ◽  
Cepstral Coefficients ◽  
Dynamic Time

scholarly journals IMPLEMENTASI METODE PATTERN RECOGNITION UNTUK PENGENALAN UCAPAN HURUF HIJAIYYAH

2017 ◽  
Vol 4 (1) ◽  
Author(s):  
Ersa Triansyah ◽  
Youllia Indrawaty N
Keyword(s):  
Pattern Recognition ◽  
Dynamic Time Warping ◽  
Threshold Value ◽  
Sound Signal ◽  
Time Warping ◽  
Mel Frequency Cepstral Coefficients ◽  
Voice Signal ◽  
Signal Features ◽  
Cepstral Coefficients ◽  
Dynamic Time

[Id] Pattern recognition memiliki kemampuan untuk mengenali suara dengan melakukan pengenalan pola suara melalui fitur-fitur sinyal suara yang kemudian dilakukan pengenalan pola melalui perbandingan pola suara uji dengan suara referensi. Untuk mendapatkan fitur-fitur sinyal suara, diperlukan metode untuk mengekstraksi sinyal suara sehingga fitur-fitur sinyal suara yang dibutuhkan terpenuhi. MFCC (Mel Frequency Cepstral Coefficients) merupakan alternatif metode untuk melakukan ektraksi sinyal yang menghasilkan koefisien cepstral dari sinyal suara. Koefisien cepstral sinyal suara dari hasil ektraksi tersebut, kemudian dilakukan perbandingan kesesuaian antara suara uji dan suara referensi. DTW (Dynamic Time Warping) salah satu algoritma untuk dapat melakukan perbandingan koefisien tersebut. Dalam kasus pegenalan ucapan huruf hijaiyyah umumnya dilakukan secara talaqqi (belajar intensif) antar seorang guru dengan murid, penilaian yang dilakukan bersifat subjektif berdasarkan kemampuan indera dari seorang guru, untuk itu aplikasi pengucapan huruf hijaiyyah merupakan salah satu alternatif untuk mengenali dan menguji kesesuaian ucapan secara objektif melalui penghitungan matematis dengan melakukan pengenalan pola suara. Dari pengujian yang telah dilakukan, dari 6 orang yang diuji melakukan pengucapan 29 huruf 3 tanda baca dan pengulang sebanyak 5 kali menghasilkan persentase kecocokan suara mencapai di atas 90 %, nilai threshold 1,3 Kata kunci: Speech Recognition, Pattern Recognition, MFCC, DTW, Hijaiyyah [En] Pattern recognition has ability to recognize voice by voice pattern recognition through voice signal features which then carried out voice pattern recognition through comparison of tester voice pattern with a reference voice. To get the sound signal features, it needs a method for extracting sound signal so that required sound signals features are fulfilled. MFCC is an alternative method to perform signal extraction which is produce cepstral coefficients of the sound signal. Cepstral coefficients of sound signal from the extraction then will be compared by the match between tester voice and reference voice. DTW is one of algorithm to do a comparison of the coefficients. In the case of introducing hijaiyyah generally talaqqi (intensively) conducted between a teacher and students, the appraisal is subjective based on the sensory capabilities of the teacher, therefore hijaiyyah pronunciation application is an alternative to identify and test the suitability of speech objectively through mathematical calculations by performing voice pattern recognition. From the testing that has been done, from 6 people tested do pronunciations 29 letters and punctuation repeater 3 to 5 times the yield percentage matches the sound reaches above 90%, a threshold value of 1.3.

scholarly journals IMPLEMENTASI TEKNIK DYNAMIC TIME WARPING (DTW) PADA APLIKASI SPEECH TO TEXT

2018 ◽  
Vol 10 (1) ◽  
pp. 49-58
Author(s):  
Candra Dinata ◽  
Diyah Puspitaningrum ◽  
Ernawati Erna
Keyword(s):  
Dynamic Time Warping ◽  
Test Word ◽  
Simulation Software ◽  
Sound Signal ◽  
Human Beings ◽  
Time Warping ◽  
Mel Frequency Cepstral Coefficients ◽  
Sound Processing ◽  
Cepstral Coefficients ◽  
Dynamic Time

ABSTRAK Suara/ucapan adalah salah satu cara kita sebagai manusia untuk berkomunikasi dan mengekspresikan diri. Speech to text (ucapan ke text), merupakan salah satu bidang sains computer yaitu bidang pengolahan suara. Speech to text (STT) adalah penerjemahan kalimat (kata yang diucapkan) ke dalam text. STT merupakan proses pengolahan suatu sinyal suara, mengekstrak fitur dari sinyal suara tersebut yang selanjutkan dibandingkan dengan hasil ekstraksi dari sinyal suara yang lain untuk dapat dikenali persamaannya. Penelitian ini merancang dan membangun suatu program aplikasi Speech to Text yang mampu identifikasi suatu sinyal suara menggunakan perangkat lunak simulasi MATLAB R2016a. Terdapat dua proses umum pada bidang pengolahan suara, yaitu ekstraksi fitur dan pencocokan fitur. Pada sistem ini metode mel-frequency cepstral coefficients digunakan untuk mengekstraksi fitur dan metode dynamic time warping digunakan untuk pencocokan fitur. Metode DTW yang digunakan dapat menghitung jarak atau selisih antara dua data yang dibandingkan. Rata-rata akurasi yang didapat setelah dilakukan percobaan pada pengujian kata adalah 95.85% dan pada pengujian kalimat adalah 94%.   ABSTRACT Voice / speech is one of the ways we as human beings to communicate and express themselves. Speech to text (STT), is one of computer science is the field of sound processing. Speech to text (STT) is the translation of the sentence (the spoken word) in the text. STT is a voice signal processing, extracting features from the speech signal and then compared it with the extraction of the other sound signal to recognize the signal similarities. This research design and build an application program Speech to Text that is capable of identifying a sound signal using simulation software MATLAB R2016a. There are two common processes in the field of sound processing, feature extraction and matching features. In this system, the method mel-frequency cepstral coefficients are used to extract features and dynamic time warping method used for matching features. DTW method used can calculate the distance or the difference between the two data being compared. The average accuracy is obtained after experiments on the test word was 95.85% and the testing of the sentence is 94%. How to Cite : Dinata, C. Puspitaningrum, D. Erna, E. (2017). IMPLEMENTASI TEKNIK DYNAMIC TIME WARPING (DTW) PADA APLIKASI SPEECH TO TEXT. Jurnal Teknik Informatika, 10(1), 49-58. doi:10.15408/jti.v10i1.6816 Permalink/DOI: http://dx.doi.org/10.15408/jti.v10i1.6816

scholarly journals Environmental effects on reliability and accuracy of MFCC based voice recognition for industrial human-robot-interaction

2021 ◽  
pp. 095440542110144
Author(s):  
B Birch ◽  
CA Griffiths ◽  
A Morgan
Keyword(s):  
Speech Recognition ◽  
Voice Recognition ◽  
Human Robot Interaction ◽  
Hole Drilling ◽  
Time Warping ◽  
Mel Frequency Cepstral Coefficients ◽  
Robot Interaction ◽  
Extraction Algorithm ◽  
Dynamic Time ◽  
Manufacturing Environments

Collaborative robots are becoming increasingly important for advanced manufacturing processes. The purpose of this paper is to determine the capability of a novel Human-Robot-interface to be used for machine hole drilling. Using a developed voice activation system, environmental factors on speech recognition accuracy are considered. The research investigates the accuracy of a Mel Frequency Cepstral Coefficients-based feature extraction algorithm which uses Dynamic Time Warping to compare an utterance to a limited, user-dependent dictionary. The developed Speech Recognition method allows for Human-Robot-Interaction using a novel integration method between the voice recognition and robot. The system can be utilised in many manufacturing environments where robot motions can be coupled to voice inputs rather than using time consuming physical interfaces. However, there are limitations to uptake in industries where the volume of background machine noise is high.

Inversion of speech by non-linear transformation of temporary

2016 ◽  
Vol 1 (1) ◽  
pp. 139-150
Author(s):  
Robert Wielgat ◽  
Anita Lorenc
Keyword(s):  
Dynamic Time Warping ◽  
Mean Square ◽  
Time Warping ◽  
Mel Frequency Cepstral Coefficients ◽  
Precise Method ◽  
Electromagnetic Articulography ◽  
Acoustic Speech Signal ◽  
Preliminary Research ◽  
Dynamic Time ◽  
Mean Square Errors

Electromagnetic Articulography (EMA) is a precise method for speech articulators assessment which is carried out by sensors placed mainly on the tongue. Various methods are being developed in order to avoid the assessment by EMA sensors. One of them is speech inversion. Here preliminary research on speech inversion based on dynamic time warping (DTW) method has been described. Mel-frequency cepstral coefficients (MFCC) method has been chosen as the acoustic speech signal parametrization method. Root mean square errors (RMSE) of the evaluation have been presented and discussed.

scholarly journals Destian Tri Handoko Voice Recognition untuk Sistem Keamanan PC Menggunakan Metode MFCC dan DTW

2018 ◽  
Vol 2 (1) ◽  
pp. 57
Author(s):  
Destian Tri Handoko ◽  
Patmi Kasih
Keyword(s):  
Speech Recognition ◽  
Dynamic Time Warping ◽  
Voice Recognition ◽  
Time Warping ◽  
Dynamic Time ◽  
Mel Frequency Cepstral Coefficient

bstrak - Teknologi berbasis ukuran pada tubuh manusia (disebut dengan istilahbiometrik) seperti sidik jari, wajah, kornea mata dan lain-lain digunakan untuk keperluankeamanan, salah satunya untuk keamanan sistem PC. Sistem keamanan komputer merupakan upayayang dilakukan untuk mengamankan kinerja, data, fungsi atau proses komputer. Sistem keamananPC juga berguna untuk menjaga dari user yang tidak memiliki otoritas. Layaknya gembok kuncidalam rumah yang menjaga rumah dari pencuri masuk, sistem keamanan menggunakan suara(sistem speech recognition) untuk mengunci desktop dari orang yang tidak memiliki otoritas. Nilaiamplitudo diambil dari sinyal suara masukan, sehingga didapatkan kumpulan angka real yangmenjadi nilai masukan untuk ekstraksi ciri. Metode ekstraksi ciri yang digunakan dalam sistem iniadalah Mel Frequency Cepstral Coefficient (MFCC). Tahapan awal, MFCC memecah nilaiamplitudo sinyal masukan menjadi frame-frame yang diolah dengan menggunakan mel-filterbakyang diadaptasi dari cara kerja pendengaran manusia. Hasil ekstraksi ciri kemudian dibuat menjadivektor yang digunakan sebagai inputan simbol pada DTW (Dynamic Time Warping) untukmembandingkan hasil vector MFCC. Ketika pengujian ciri dari sinyal uji yang telah dikuantisasikemudian dicocokan dengan data training yang telah dimasukan pada tahap penyimpanan,sehingga kata sandi dapat dikenali. Dari hasil pengujian, sistem dapat mengenali suara yangmemiliki otoritas dengan kriteria dalam keaadaan noise 82% dan hening 86% dengan jumlah 10data training dan diuji coba sebanyak 50x percobaan.

Sign in / Sign up

Export Citation Format

Share Document