Abstrak

Penelitian ini dilakukan untuk mengatasi permasalahan dalam pembuatan subtitle secara manual yang memakan waktu dan tenaga besar. Tujuan penelitian adalah implementasi Automatic Speech Recognition (ASR) menggunakan model Faster-Whisper untuk menghasilkan subtitle secara otomatis. Metode yang digunakan adalah metode eksperimental dengan pengujian komparatif antara model Faster-Whisper dan Wav2Vec 2.0 menggunakan Google Colab sebagai lingkungan komputasi. Penelitian ini menerapkan teknik batch processing untuk memproses beberapa file audio secara bersamaan. Sistem ini dirancang untuk memproses berbagai format audio seperti MP3, WAV, M4A, FLAC, dan AAC, kemudian menghasilkan output berupa file subtitle dengan format SRT. Hasil penelitian menunjukkan bahwa sistem mampu melakukan transkripsi audio secara efisien dan akurat. Dengan menggunakan model Faster-Whisper yang dioptimalkan, kecepatan inferensi model meningkat signifikan dibandingkan dengan model Whisper standar. Sistem mampu memproses audio berdurasi 5 menit dalam waktu 95 detik, sehingga kecepatan transkripsi mencapai 3,2 kali lebih cepat dari durasi asli. Fitur batch processing memungkinkan pengguna untuk memproses banyak file dalam satu waktu sehingga efisiensi kerja meningkat secara drastis. Sistem ini memberikan solusi praktis bagi konten kreator dan producer video dalam membuat subtitle secara otomatis. Sistem ini telah diimplementasikan secara online dan dapat diakses melalui tautan https://arthiccc-asr-subtitle.hf.space/.