GARA-gara gemar menonton film futuristik "Startrek", Arry Akhmad Arman, dosen Departemen Elektro Institut Teknologi Bandung (ITB) berangan-angan ingin memiliki sebuah mesin yang dapat berkomunikasi aktif dengan dirinya. Tetapi dunia nyata bukanlah film, tidak mudah mewujudkan angan itu.

"Mungkin karena kebanyakan nonton film "Startrek" saya jadi ingin sekali punya mesin komputer yang bisa diajak bicara, bisa memberi respon ketika mendengar perintah yang saya ucapkan," ujar Arry yang kini mendalami bidang kajian human machine interface.

Arry membayangkan dirinya memiliki sebuah sistem yang memungkinkan terjadinya dialog lisan dengan komputer pribadinya. Dia mencontohkan, suatu saat setelah mengaktifkan komputer, dirinya tinggal berkata "komputer, tolong cek e-mail". Perintah itu diucapkan, bukan diketik.

Alangkah menyenangkan jika beberapa saat kemudian komputer menjawab "ada 5 e-mail baru, apakah ingin dibacakan?". Lalu, Arry kembali membayangkan dirinya menjawab "ya" sambil melanjutkan aktifitas membuat kopi di pagi hari. Respon dari komputer setelah itu adalah memberitahu siapa pengirimnya dan apa isi e-mail tersebut. Arry pun dapat mendengarkannya sambil membaca koran.

Memang, perjalanan ke arah itu masih agak jauh. Tetapi menurut Arry, jalur menuju terciptanya sistem seperti itu sudah dapat terlihat. Semua teknologi yang berkaitan dengan hal tersebut sudah ada, jadi bukan tidak mungkin sistem itu akan segera terwujud.

Teknologi pengenalan suara oleh mesin sudah biasa digunakan, salah satunya menjadi aplikasi voice dialing di telefon selular. Proses perubahan ucapan menjadi perintah-perintah yang dimengerti oleh mesin dilakukan melalui teknologi natural language processing (NLP). Kemampuan mesin mengeluarkan ucapan manusia terbantu oleh teknologi text to speech (TTS).

Nah, belum lama ini ini Arry meluncurkan program IndoTTS, sebuah program text to speech yang menghasilkan pengucapan dalam bahasa Indonesia. Program ini dapat menjadi modal agar semua sistem yang masih angan-angan seperti diceritakan tadi, nantinya tidak hanya bisa berbicara bahasa Inggris atau Jepang, tetapi juga berbahasa Indonesia.

Dengan bantuan IndoTTS, Anda dapat memasukkan teks bahasa Indonesia apapun dan tinggal memencet satu tombol untuk memerintahkan program ini membacakan teks tersebut.

Boleh jadi Anda sekarang sedang membayangkan suara yang keluar mirip dengan suara robot di film-film, kaku dan datar. Silakan kaget karena ternyata kualitas suara yang dihasilkan lebih baik dari itu. IndoTTS menghasilkan suara yang berintonasi dan tentu saja berlogat Indonesia.

Untuk membuktikannya, silakan download IndoTTS secara gratis di http://indotts.melsa.net.id. Bagi mereka yang ingin mengembangkan program lain dengan memanfaatkan IndoTTS, Arry pun mempersilakan mereka menghubungi dirinya untuk mendapatkan --juga secara gratis-- system development kit yang memungkinkan IndoTTS digabungkan dengan aplikasi lain.

"IndoTTS gratis asal digunakan untuk keperluan nonkomersial dan militer. Silakan kembangkan, banyak aplikasi nonkomersial yang dapat dibuat oleh orang lain. Inilah kontribusi saya untuk Indonesia. Di luar itu, mohon maaf, kita harus bicara bisnis," ujar suami dari Ratih Huriyati yang telah dikaruniai dua orang anak.

**

UNTUK mengubah teks menjadi ucapan, bagaimana sebenarnya yang terjadi di tubuh IndoTTS? Meski pengoperasiannya sangat mudah, jangan coba-coba berpikir proses yang dilakukannya sederhana, pun dengan proses pembuatannya. Arry menghabiskan waktu kurang lebih 10 tahun untuk mewujudkan IndoTTS, tetapi memang ia merancangnya di sela rutinitas utamanya sebagai dosen dan peneliti di ITB, tidak mengalokasikan waktu khusus kecuali saat merekam diphone database di Belgia pada tahun 2000 lalu. Arry memaparkan, unit terkecil bentuk tulisan adalah huruf, sedangkan unit terkecil bentuk lisan adalah fonem. Fonem tidak identik dengan huruf karena gabungan huruf "n" dan "g", misalnya, menjadi fonem "ng". Mengingat hasil akhir TTS adalah ucapan maka fokus tertuju pada fonem yang dalam bahasa Indonesia berjumlah 35.

Arry membangun IndoTTS dengan teknologi diphone concatenation, suatu teknik membangkitkan ucapan dengan cara menyambung-nyambung diphone yang direkam dari ucapan manusia. Diphone adalah dua fonem berurutan, dari 35 fonem akan tercipta 1.296 diphone termasuk diphone "silence" untuk awal dan akhir kata.

Penentuan fonem saja belum cukup karena untuk keperluan perekaman masih dibutuhkan informasi tentang durasi sebuah fonem yang pada umumnya diucapkan. Jika dipukul rata, diperkirakan butuh waktu 70 milisecond untuk mengucapkan satu fonem. Selesai? Belum, agar ucapan yang dihasilkan tidak kaku dan datar seperti robot, perlu diketahui frekuensi suara untuk intonasi.

"Semua itu butuh riset, dan itu membuka wawasan saya bahwa dibutuhkan kerjasama antar beberapa bidang ilmu dalam membangun teknologi baru. Dalam hal ini, saya butuh data dari ilmu bahasa. Sayangnya saya tidak menemukan itu, bahkan untuk data berapa lama pengucapan setiap fonem," ujar Arry.

Untuk identifikasi karakteristik kuantitatif bahasa Indonesia itu, Arry melibatkan sejumlah mahasiswa untuk membantunya. Pada tahun 2000, berkat bantuan dana dari sebuah perusahaan perbankan di Indonesia, Arry dapat membuat diphone database bahasa Indonesia di salah satu universitas di Mons, Belgia.

Setelah semua tersedia, IndoTTS siap bekerja. Rangkaian huruf yang dimasukkan akan diubah menjadi rangkaian fonem lengkap dengan durasi dan frekuensinya. Data itu akan diumpankan ke modul Mbrola, metode speech synthesizer (penyusunan ucapan) dengan menggunakan metode diphone buatan Belgia, yang kemudian akan menyambung diphone sesuai database yang disediakan serta memanipulasi durasi dan frekuensinya. Akhirnya, keluarlah ucapan dari IndoTTS yang berlogat Indonesia. Suara yang dihasilkan IndoTTS adalah suara Arry yang direkam di Mons, Belgia.

"Kalau ada yang menginginkan suara itu diganti oleh suara Krisdayanti, mari minta kesediaan Krisdayanti merekam ribuan diphone ke Belgia. Di sana alat-alatnya lengkap," ujar Arry.

Sampai saat ini, Arry mengaku masih terpengaruh oleh film "Startrek". Mimpinya untuk memiliki komputer yang bisa diajak bicara pun belum enyah dari pikirannya. Untuk mewujudkan mimpi itu, dia memasang strategi melebarkan penelitian ke bidang speech recognition --merupakan kebalikan dari TTS-- dan natural language processing (NLP).

Arry optimis, teknologi yang terkait dengan itu akan berkembang semakin cepat dalam 5 tahun ke depan. Jadi, 5 tahun lagi bisa memerankan sendiri peran-peran dalam film "Startrek"? Arry hanya tersenyum, dan sambil mengangguk-angguk mengatakan, "mudah-mudahan bisa". (Ifa/Erm/"PR") ***

-----------
sumber : HU. Pikiran Rakyat