Perpustakaan Digital ITB

Keyword Spotting (KWS) adalah sebuah tugas untuk mendeteksi kata kunci dari data suara. Tantangan utama dari sistem KWS ini adalah untuk membuat sistem yang dapat bekerja secara real-time. Oleh karena itu, paradigma edge computing menjadi opsi yang cocok. Implementasi sistem KWS dengan edge computing mengharuskan sistem memiliki model Artificial Intelligence (AI) yang akurat dan sederhana, dan pemilihan edge device yang tepat. Pada thesis ini, penulis akan membuat sistem KWS yang di implementasikan pada Jetson Xavier NXTM . Model AI yang diimplementasikan pada sistem ini adalah SpectroNet, yaitu model hybrid CNN-LSTM buatan penulis. SpectroNet memiliki akurasi 93,33% dengan jumlah parameter total sebesar 89.241 parameter. Jetson Xavier NXTM dipilih sebagai edge device karena kemampuan komputasinya yang kuat. Hasil implementasi model pada Jetson Xavier NXTM menunjukkan hasil yang bagus dalam hal akurasi. Performa ini dapat ditingkatkan terutama dari segi kecepatan dengan menggunakan TensorRT. Model telah dioptimasi dengan efektif, dengan proses optimasi berhasil menurunkan jumlah operasi sebesar 52,57% jika digunakan presisi data FP32, dan 53,97% jika digunakan presisi data FP16. Kecepatan model juga meningkat 10% ketika digunakan presisi data FP32, dan 14,75% ketika digunakan presisi data FP16. Dari segi akurasi, ada penurunan sekitar 0,33% setelah optimasi, namun penurunan ini dapat dianggap tidak signifikan jika diband ingkan dengan peningkatan kecepatan yang dihasilkan setelah optimasi model