ABSTRAKSI: Dubbing merupakan salah satu proses penting pada pembuatan film animasi yang masih menggunakan suara asli dari artis terkenal. Pada proses pembuatannya sering terjadi masalah seperti sibuknya jadwal artis, emosi yang tidak stabil, dan lain-lain sehingga masih sering terjadi kesalahan atau ketidaksesuaian terhadap hasil yang diharapkan sehingga waktu pengerjaan menjadi lebih lama. Untuk itu diperlukan suatu sistem yang dapat meniru suara seseorang (Voice Conversion) dengan tingkat kemiripan yang tinggi.
Bagian terpenting pada proses Voice Conversion terletak pada bagaimana memodelkan sinyal target agar bisa ditiru oleh sinyal masukan yang baru. Telah banyak metode pemodelan yang diteliti seperti Hidden Markov Model (HMM) [1][5][7], dan Gaussian Mixture Model (GMM) [3][9][12]. Pada penelitian sebelumnya, HMM terbukti dapat digunakan untuk memodelkan sinyal yang karakteristiknya bersifat dinamis. Dan pada penelitian[12], dilakukan optimasi penerapan GMM menggunakan Algoritma Genetika dan menghasilkan nilai MOS yang lebih tinggi dibandingkan sebelum dioptimasi. Maka dari itu, dalam tesis ini dilakukan optimasi penerapan Hidden Markov Model pada pemodelan sinyal suara dengan menggunakan Algoritma Genetika.
Peningkatan tertinggi nilai RMSE Ceptral setelah dilakukan optimasi yaitu sebesar 7.08% dan rata-rata sebesar 2.75%. Dari segi Kemiripan, pengujian MOS untuk HMMAG memiliki nilai rata-rata 3.26 sedangkan pengujian MOS untuk HMM memiliki nilai rata-rata 3.07. Dari segi kualitas, pengujian MOS untuk HMMAG memiliki nilai rata-rata 2.89 sedangkan pengujian MOS untuk HMM memiliki nilai rata-rata 2.78.
Kata Kunci : Algoritma Genetika, Dubbing, HMM, Konversi SuaraABSTRACT: Dubbing is one important process of making animated films that are still using the original voices of famous artists. In the process of manufacture of problems such as busy schedules artist, emotionally unstable, and others that are still common error or discrepancy to the expected results, the processing time becomes longer. It required a system that can mimic the sounds of someone with a high level of similarity.
The most important part in Voice Conversion process lies in how to model the target signal to be emulated by the new input signal. It has been observed many modeling methods such as Hidden Markov Model (HMM) [1][5][7], and the Gaussian Mixture Model (GMM) [3][9][12]. In the previous studies, proved HMM can be used to model the signal dynamic characteristics. And in[12], the application of GMM optimization is done using Genetic Algorithm and produces a MOS value is higher than before optimized. Therefore, in this thesis the application of Hidden Markov Model optimization in speech signal modeling using Genetic Algorithm.
The highest increase of Ceptral RMSE values after optimization is equal to 7.08% and an average of 2.75%. In terms of similarities, MOS testing for HMMAG have an average value of 3.26 while the MOS testing for HMM has an average value of 3.07. In terms of quality, MOS testing for HMMAG have an average value of 2.89 while the MOS testing for HMM has an average value of 2.78.
Keyword: Genetic Algorithms, Dubbing, HMM, Voice Conversion