Hasil Pencarian  ::  Simpan CSV :: Kembali

"Hadirnya beragam layanan penyintesis suara manusia di Internet memungkinkan siapa pun untuk melakukan sintesis suara manusia dengan memanfaatkan layanan ini. Di tangan yang salah, teknologi ini dapat merugikan masyarakat awam dan meningkatkan peluang keberhasilan penipuan. Maraknya layanan penyintesis suara manusia yang sudah hampir tidak dapat dibedakan oleh telinga manusia memberikan keluangan untuk menghadirkan sebuah sistem yang dapat membedakan suara manusia dengan suara manusia sintetis. Penelitian ini memanfaatkan teknologi pembelajaran mesin yang berupa Convolutional Neural Networks pada spektogram suara manusia dari himpunan data pelatihan dengan 16 suara manusia yang berisikan 4 suara pria asli, 4 suara pria sintetis, 4 suara wanita asli, dan 4 suara wanita sintetis dengan jumlah 1.008 berkas rekaman suara manusia berformat WAV yang telah dirancang dan dibuat khusus untuk penelitian ini dengan pembagian pelatihan dan validasi sebesar 80% dan 20% secara berurut. Hasil akhir dari penelitian ini memberikan sebuah model CNN dengan bobotnya yang memberikan nilai data loss sekecil 0,00022 dan sebuah sistem yang dapat melakukan deteksi keaslian suara manusia berdasarkan berkas rekaman suara manusia dan model CNN serta bobot yang diberikan.

---

The presence of human voice synthesis services on the Internet allows everyone to create synthetic human voices by leveraging these services. In the wrong hands, this technology could harm unsuspecting citizens and promote chances of scams. The abundance of human voice synthesis service that is almost indistinguishable by human ears gave presence to a system that could distinguish between real and synthetic human voices. This study leverages machine learning technology in the form of Convolutional Neural Networks on a spectrogram from a training dataset with 16 different human voices consisting 4 authentic men voices, 4 synthetic men voices, 4 authentic women voices, and 4 synthetic women voices with the total of 1,008 WAV formatted human voice recording files that was designed and made specifically for this study with the splitting ratio for training and validation set to 80% and 20% respectively. The end result of this study produces a CNN model and its weights with a data loss score of 0.00022, as well as a system that can perform authenticity detection on a human voice based on the given human voice recording file and the CNN model with its weights."

"Studi tentang komunikasi pada dunia gaming masih belum banyak terjamah dalam bidang linguistik (Hsu, 2020). Deiksis tidak hanya dapat ditemukan dalam interaksi sehari-hari di dunia nyata, tetapi juga di dunia gaming. Contohnya voice line atau rekaman dialog berbahasa Jerman karakter Killjoy dalam gim Valorant. Penelitian ini menganalisis deiksis yang terkandung dalam voice line berbahasa Jerman karakter Killjoy pada gim Valorant. Data diolah menggunakan pendekatan kualitatif deskriptif dan merujuk pada teori deiksis Levinson (1983) dan Levinson (2006) untuk mengidentifikasi jenis-jenis deiksis yang ada dalam voice line Killjoy. Hasil dari penelitian menunjukkan; dari 92 data, terdapat 46 data mengandung deiksis persona, 29 data mengandung deiksis spasial, 17 data dengan deiksis temporal, 68 data mengandung deiksis wacana, dan 24 data dengan deiksis sosial. Deiksis wacana merupakan deiksis yang paling banyak ditemukan pada penelitian ini, mengingat setiap ujaran yang terkandung dalam voice line sangat bergantung pada situasi dan konteks yang dipahami oleh penutur (Killjoy) dan mitra tuturnya (rekan sesama timnya).

---

The study of communication in gaming remains a relatively underexplored area within linguistics (Hsu, 2020). Deixis can be found not only in everyday interactions in the real world but also in the gaming world. For example, the German voice line of Killjoy in Valorant. This study examines the deixis found in Killjoy's German voice line in Valorant. The data is analyzed using a descriptive qualitative technique, using Levinson's (1983) and Levinson's (2006) deixis theory to determine the deixis in Killjoy's vocal line. The result of the research shows that out of 92 data, there are 46 data containing persona deixis, 29 data containing spatial deixis, 17 data containing temporal deixis, 68 data containing discourse deixis, and 24 data with social deixis. Discourse deixis is the most commonly found deixis in this study, considering that every utterance contained in the voice line is very dependent on the situation and context understood by the speaker (Killjoy) and her speech partner (her teammate)."

"Sebagai aplikasi yang sangat dekat dengan kehidupan sehari-hari, Gojek memiliki pola tuturan tersendiri untuk dapat terkoneksi dengan penggunanya. Penelitian ini menganalisis tindak tutur ilokusi dan strategi kesantunan yang terdapat pada aplikasi Gojek. Penelitian dilakukan dengan menggunakan metode deskriptif kualitatif serta teori tindak tutur Searle (1976) dan kesantunan Brown dan Levinson (1987). Penelitian ini menunjukkan bahwa jenis tindak tutur yang terdapat dalam aplikasi Gojek meliputi tindak tutur representatif, direktif, komisif, ekspresif, dan deklaratif. Tindak tutur direktif dalam Gojek mendominasi karena banyak digunakan untuk mengarahkan pengguna untuk melakukan tindakan tertentu, termasuk dalam mengoperasikan aplikasi secara umum. Sementara itu, strategi kesantunan yang ditemui dalam aplikasi Gojek meliputi melakukan FTA tanpa tindak kesantunan, melakukan FTA dengan kesantunan positif, melakukan FTA dengan kesantunan negatif, serta melakukan FTA secara tidak langsung. Penerapan FTA dengan kesantunan positif menjadi strategi yang paling banyak digunakan dalam Gojek sebagai usaha untuk mengakomodasi keinginan pengguna serta membuat pengguna nyaman dalam menggunakan aplikasi ini.

---

As an application that is essential in daily life, Gojek has its own speech pattern to connect with its users. This research highlights the illocutionary speech acts and politeness strategies used in Gojek. The analysis is done using qualitative descriptive method with Searle’s (1976) theory of speech act and Brown and Levinson’s (1987) theory of politeness. The study shows that Gojek uses illocutionary acts in the form of representative, directive, commissive, expressive, and declarative acts. Directive speech acts in Gojek dominate as it is used to direct users to do certain actions, including in operating the app in general. Politeness strategies found in Gojek consist of doing FTA without redressive actions, doing FTA with positive politeness, doing FTA with negative politeness, and doing FTA off-record. Doing FTA with positive politeness is the most used strategy as it is a medium to accommodate users wants and make users comfortable in using the app."

"What biological factors make human communication possible? How do we process and understand language?Howdoes brain damage affect these mechanisms, and what can this tell us about how language is organized in the brain? The field of neurolinguistics seeks to answer these questions, which are crucial to linguistics, psychology and speech pathology alike. Drawing on examples from everyday language, this textbook introduces the central topics in neurolinguistics: speech recognition, word and sentence structure, meaning, and discourse – in both ‘normal’ speakers and those withlanguage disorders. It moves on to provide a balanced discussion of key areas of debate such as modularity and the ‘language areas’ of the brain, ‘connectionist’ versus ‘symbolic’ modelling of language processing, and the nature of linguistic and mental representations. Making accessible over half a century of scientific and linguistic research, and containing extensive study questions, it will be welcomed by all those interested in the relationship between language and the brain."