Kembali ke Portofolio
PortfolioVoice Classification & MLOps
Machine Learning & MLOpsHugging Face & Open Source2025

Deteksi Gender dari Suara Berbasis Deep Learning & MLOps Platform

Platform klasifikasi gender berbasis audio yang mengekstraksi fitur MFCC menggunakan Librosa, melatih model Deep Learning (RNN, LSTM, GRU), dan mengintegrasikan alur kerja MLOps (MLflow, DVC, CI/CD) hingga deployment di Hugging Face Spaces.

Institusi / Konteks:Institut Teknologi Sumatera (Proyek R&D Mandiri)
Peran Farrel:ML Engineer / Developer

Ekstraksi Fitur

MFCC Spectral Audio

Arsitektur Model

RNN, LSTM, GRU

Deployment

Hugging Face Spaces

MLOps Stack

MLflow + DVC + CI/CD

Hasil Nyata & Tampilan Sistem

Tangkapan layar hasil produksi atau prototipe sistem yang dibangun.

Live Hugging Face Spaces Interface: Users upload audio files or record voice directly, select models, and receive real-time classification.

Gambar 1: Antarmuka Live di Hugging Face Spaces: Pengguna dapat mengunggah file audio (MP3, WAV, M4A) atau merekam suara langsung, memilih model, dan memperoleh hasil prediksi secara instan.

Masalah & Kebutuhan

Mengapa Sistem Ini Perlu Dibangun?

Sering kali model machine learning audio berhenti pada notebook eksperimen tanpa pipeline deployment yang reproducible, version control data yang jelas, atau antarmuka yang dapat diuji langsung oleh pengguna umum.

Target Pengguna / Pemangku Kepentingan

Pengembang sistem biometrik suara, peneliti audio processing, dan pengguna interaktif.

Solusi & Pendekatan Teknis

Bagaimana Masalah Tersebut Diselesaikan?

Membangun sistem terstruktur: pemrosesan audio mentah menjadi MFCC (Mel-frequency cepstral coefficients), pelatihan arsitektur RNN/LSTM/GRU di TensorFlow/Keras, pelacakan metrik eksperimen dengan MLflow, pengelolaan versi dataset dengan DVC, serta kontainerisasi FastAPI/Gradio yang di-deploy otomatis via GitHub Actions ke Hugging Face Spaces.

Kontribusi Pribadi Farrel

Apa yang Secara Spesifik Dikerjakan?

1

Mengekstraksi fitur spektral audio menggunakan Librosa dan menyusun pipeline augmentasi data suara.

2

Melatih dan membandingkan performa arsitektur RNN, LSTM, dan GRU untuk klasifikasi biner suara pria/wanita.

3

Mengintegrasikan pelacakan metrik dan artefak model menggunakan MLflow dan DVC.

4

Membangun antarmuka web interaktif dengan Gradio/FastAPI serta mengonfigurasi deployment Docker di Hugging Face Spaces.

Teknologi & Peran Fungsionalnya

Bukan sekadar daftar nama tools, melainkan alasan mengapa teknologi tersebut dipakai dalam proyek ini.

TensorFlow & Keras

Arsitektur Deep Learning (RNN, LSTM, GRU) untuk klasifikasi sequence audio

Librosa

Ekstraksi fitur audio: MFCC, Chroma, dan Spectral Contrast

MLflow & DVC

Version control data, model artifacts, dan experiment tracking

FastAPI & Gradio

Backend inference dan antarmuka web interaktif pengguna

Hugging Face Spaces & Docker

Cloud hosting dan kontainerisasi aplikasi produksi

Keterbatasan Sistem & Pembelajaran Teknis

Refleksi objektif mengenai batasan desain eksperimen dan peluang pengembangan selanjutnya.

  • •Performa model sangat dipengaruhi oleh tingkat kebisingan latar belakang (background noise) dan kualitas mikrofon pengirim.

Ingin Mendiskusikan Proyek Ini?

Saya siap menjelaskan metodologi, desain data, dan kode secara lebih terperinci.