Komparasi dan Analisis AI Base Noise Suppression: Studi Kasus RTX Voice

Yefta Christian; Herman Herman; Chris Tan

doi:10.31539/intecoms.v6i2.7853

Yefta Christian
Herman Herman
Chris Tan Universitas Internasional Batam

DOI: https://doi.org/10.31539/intecoms.v6i2.7853

Abstract

Sejak pandemi COVID-19 banyak orang menyadari banyak kegiatan yang kita lakukan sehari-hari dapat dilakukan melalui online meeting. Namun ketika kita melakukan online meeting sering terjadi masalah dimana suara pembicara tidak jelas karena gangguan luar seperti suara keyboard, suara orang lain dan beberapa faktor lainnya. Untuk mengatasi masalah tersebut dapat digunakan AI noise suppression, yang dapat membantu menghilangkan suara mengganggu untuk memperjelas suara pembicara. Saat ini ada dua jenis AI noise suppression yaitu menggunakan hardware seperti RTX Voice yang menggunakan kemampuan AI pada kartu grafis dan software yang menggunakan model yang di latih pada aplikasi atau melalui cloud. Metode penelitian yang digunakan pada penelitian ini ada eksperimen. Hasil dari penelitian ini membuktikan bahwa dengan menggunakan AI noise suppression suara pembicara dapat menjadi jelas dengan menghapus suara lainnya yang dapat mengganggu kejelasan suara pembicara.

References

Braun, S., & Tashev, I. (2020). Data augmentation and loss normalization for deep noise suppression. http://arxiv.org/abs/2008.06412
Chu, Y., Zhao, S., He, L., & Niu, F. (2022). Wind noise suppression in filtered-x least mean squares-based active noise control systems. The Journal of the Acoustical Society of America, 152(6), 3340–3345. https://doi.org/10.1121/10.0016443
Ciric, D., Peric, Z., Nikolic, J., & Vucic, N. (2021, March 17). Audio Signal Mapping into Spectrogram-Based Images for Deep Learning Applications. 2021 20th International Symposium INFOTEH-JAHORINA, INFOTEH 2021 - Proceedings. https://doi.org/10.1109/INFOTEH51037.2021.9400698
Fricke, L., Kuzmic, J., & Vatolkin, I. (2022). Suppression of Background Noise in Speech Signals with Artificial Neural Networks, Exemplarily Applied to Keyboard Sounds. 367–374. https://doi.org/10.5220/0011537400003332
Hanik, N. R., & Harsono, S. (2020). Implementasi Model Pembelajaran Komparasi yang Diintegrasikan dengan Pendekatan Kolaboratif Ditinjau dari Kemampuan Analisis Mahasiswa. Jurnal Komunikasi Pendidikan, 4(2). http://journal.univetbantara.ac.id/index.php/komdik
Mukherjee, A., & Jain, V. (2021). Geolocation Driven Reinforcment Learning-Powered In Geolocation Driven Reinforcment Learning-Powered In Transit Headset Noise Cancellation Mechanism Transit Headset Noise Cancellation Mechanism. https://www.tdcommons.org/dpubs_series/4133
Nurhasanah, A., Pribadi, R. A., & Nur, M. D. (2021). ANALISIS KURIKULUM 2013. Didaktik : Jurnal Ilmiah PGSD STKIP Subang, 7(02), 484–493. https://doi.org/10.36989/DIDAKTIK.V7I02.239
Qorib, A., & Zaniyati2, H. S. (2021). Penggunaan Open Broadcast Software Studio Dalam Mendesain Video Pembelajaran Era Pandemi. 12. https://doi.org/10.36835/syaikhuna.v12i1.4320
Rohmi Khalida, B., & Astawan, G. (2021). Penerapan Metode Eksperimen untuk Meningkatkan Hasil Belajar IPA Siswa Kelas VI SD. 4. https://doi.org/10.23887/jippg.v4i2
Siahaan, M., Harsana Jasa, C., Anderson, K., Rosiana, M. V., Lim, S., & Yudianto, W. (2020). Penerapan Artificial Intelligence (AI) Terhadap Seorang Penyandang Disabilitas Tunanetra. In Journal of Information System and Technology (Vol. 01).
Stumpf, C., & Parker, A. (2021). Live-Streaming In Mechanical Engineering: An Innovative Approach To Remote Lab Delivery