BerQuran

Masalahnya

Orang yang membaca Al-Quran dengan suara ingin tahu bahwa ia benar-benar diikuti — bahwa aplikasinya melacak kata yang sungguh diucapkan, bukan menebak dari penghitung waktu.

Melakukan itu lewat API suara di awan berarti mengunggah rekaman orang beribadah, setiap sesi, dari ponsel yang sering bersinyal lemah atau tanpa sinyal sama sekali. Itu pertukaran yang tidak kami terima, dan layanan yang butuh jaringan untuk bekerja adalah layanan yang justru gagal di tempat ia paling dibutuhkan.

Pendekatannya

Pengenalan suara berjalan di perangkat. Model fonem Zipformer2 CTC, dikuantisasi ke INT8 dan dipadatkan jadi sekitar 73 MB, ikut di dalam aplikasi dan menghasilkan aliran fonem yang disejajarkan secara langsung dengan ayat yang sedang dibaca.

Penyejajaran dipaksakan terhadap teks yang sudah diketahui, bukan transkripsi bebas — itulah yang membuat model sekecil ini masuk akal: aplikasinya tidak bertanya "dia mengucapkan apa?", melainkan "sekarang dia sampai di mana pada baris ini?". Tidak ada penilaian tajwid yang disimpulkan — aplikasi melaporkan kata yang terdengar, lalu berhenti di situ, karena penghakiman yang percaya diri tapi keliru atas bacaan seseorang lebih buruk daripada tidak menghakimi sama sekali.

Semua lapisan di atas model juga kami kerjakan: layanan penyejajaran, API mitra, jalur rilis, dan penanganan pelucutan simbol on-device yang wajib ada agar build rilis iOS tidak kehilangan simbol nativenya saat penautan.

Hasilnya

Aplikasinya sudah tayang di Google Play dan App Store, dan tetap jalan dalam mode pesawat. Suara tidak pernah meninggalkan ponsel, jadi tidak ada rekaman untuk disimpan, bocor, atau diminta pihak lain.

Sebuah API mitra kini menyajikan penyejajaran yang sama untuk organisasi lain — satu aplikasi berubah menjadi infrastruktur.