<![CDATA[Mendeteksi "siapa yang berbicara" (speaker diarization) masih sering bermasalah saat ada suara tumpang tindih (overlapping speech). Untuk menyiasatinya, tren riset saat ini beralih ke arsitektur End-to-End (E2E) berbasis Deep Learning yang dirancang lebih peka terhadap overlap. Untuk itu, penelitian ini dilakukan guna membedah tantangan utama dari proses integrasi tersebut melalui metode Systematic Literature Review (SLR) yang mengacu pada pedoman PRISMA. Dari hasil penyaringan literatur akademik terkemuka yang bersumber dari Scopus antara tahun 2018 hingga 2025, terkumpul [50] studi primer yang relevan untuk dianalisis secara mendalam. Hasil telaah menunjukkan bahwa masalah integrasi ini umumnya berkutat pada tiga hal: lonjakan beban komputasi yang drastis, latensi yang memburuk saat eksekusi real-time, dan sulitnya melakukan sinkronisasi fitur antar lapisan jaringan. Pada akhirnya, walaupun mekanisme overlap-aware menjanjikan akurasi yang jauh lebih baik, berbagai penelitian terbaru sepakat bahwa tetap diperlukan trade-off desain yang masuk akal antara performa dan beban sistem.]]>
Copyrights © 2026
