Malay speech to Jawi text engine

Othman, Zaini Arifah (2011) Malay speech to Jawi text engine. Masters thesis, University of Malaya.

[img] PDF
1_COVER.pdf

Download (6kB)
[img] PDF
4_MALAY SPEECH TO JAWI TEXT.pdf

Download (3MB)
[img] PDF
3_COVER 2.pdf

Download (291kB)

Abstract

In this research, a new invention in Jawi reading recognition engine had been developed to support the existing traditional method of teaching and learning in Jawi. Current method of Jawi learning process through manual method of Jawi reading skills need to be conducted in a more attractive ways, especially towards young generation who did not have interest in learning Jawi nowadays. The main contribution of the proposed speech recognition system is to encourage people to read and recognize Jawi words in a more attractive way. The engine can guide students by monitoring their reading and correcting any mispronunciation of Jawi words. This tool was developed in MATLAB® using Linear Predictive Coding (LPC) algorithm for feature extraction technique and Artificial Neural Network (ANN) classification for training and recognition. Using these techniques, the speech signal is first analysed to extract important features in speech such as voice segments (voiced/unvoiced/silence), pitch period, gain and coefficients. These coefficients are then trained in classification process using Backpropagation Neural Network training algorithm to map the extracted spoken voice to the correct word. During this phase, error of mismatch between the actual results and the targeted results are reduced. The experimental result shows that the engine is able to achieve recognition rate that exceeded more than 90%. This indicates a successful implementation of this engine. However, this engine is not intended to replace the role of Jawi teacher, but to complement the current teaching and learning methods to ensure the sustainable of the Jawi Language. ABSTRAK Dalam kajian ini, sistem pengecaman suara secara automatik dengan aplikasi ke atas bacaan tulisan Jawi telah dibina untuk menyokong sistem pembelajaran Jawi sedia ada. Bidang pengecaman suara adalah bidang yang telah pun bermula di Malaysia namun masih di peringkat kajian dengan bilangan pengkaji yang terhad dan kajian menggunakan pengecaman suara ke atas bacaan tulisan Jawi adalah dianggap masih baru di negara ini. Modul pembelajaran tulisan Jawi pada masa kini, iaitu secara manual memerlukan satu pendekatan yang baru agar lebih berkesan dan mampu mendekati golongan muda yang semakin tidak tertarik untuk mempelajari tulisan Jawi. Sumbangan utama kajian ini adalah bagi menggalakkan para pelajar untuk mengenal dan membaca tulisan Jawi dengan cara yang lebih menarik. Sistem ini berupaya memantau bacaan pelajar dan memperbetulkan sebarang kesalahan dalam bacaan pelajar. Sistem ini dibina menggunakan perisian MATLAB®, dengan algoritma Linear Predictive Coding (LPC) sebagai teknik pengekstrakan fitur manakala algoritma Artificial Neural Network diaplikasikan dalam proses latihan dan pengecaman. Dengan menggunakan kedua-dua algoritma ini, suara dianalisis bagi mendapatkan beberapa cirri-ciri penting seperti jenis segmentasi suara (voiced/unvoiced/silence), nilai-nilai nada, dan vektor koefisien yang mewakili ciri-ciri ini. Vektor-vektor ini akan dilatih melalui proses pengecaman dengan menggunakan teknik Backpropagation Neural Network dimana teknik ini melatih vektor supaya dapat dipetakan kepada output yang betul. Kajian ini telah mencatatkan jumlah ketepatan pengecaman melebihi 90% dan ini membuktikan kemampuan sistem ini untuk mencapai objektif yang telah ditetapkan. Walaubagaimanapun, dengan adanya sistem ini, tidak bermaksud ia bakal menggantikan tugas-tugas guru Jawi. Sistem ini mampu berfungsi sebagai alat bantuan mengajar bagi guru-guru sebagai sokongan untuk memartabatkan tulisan Jawi di masa hadapan.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Jawi text engine, Reading recognition engine, Jawi learning process, Linear Predictive Coding, LPC, Artificial Neural Network, ANN
Subjects: Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Depositing User: MS NOOR ZAKIRA ZULRIMI
Date Deposited: 22 Jul 2013 02:19
Last Modified: 22 Jul 2013 02:19
URI: http://repository.um.edu.my/id/eprint/591

Actions (login required)

View Item View Item