Kisah pengembangan "Tadak", pemutar white noise kustom pribadi

Tadak - pemutar white noise pribadi

Gambaran proyek

Ini adalah aplikasi pemutar white noise kustom berbasis iOS yang dibuat agar pengguna bisa merancang sendiri lingkungan suara mereka.

Definisi masalah

Melalui analisis komentar pada video white noise di YouTube, kebutuhan pengguna berikut berhasil diidentifikasi.

1. Ingin menambahkan atau menghapus suara tertentu.
2. Suara loop yang repetitif dan artifisial terasa mengganggu.
3. Rentang frekuensi yang terasa nyaman berbeda pada tiap orang.

Artinya, yang dibutuhkan bukan preset yang sudah ditentukan, melainkan white noise yang dipersonalisasi untuk tiap pengguna.

Ciri desain

• UI bernuansa analog berbasis konsep LP
• Interaksi di mana volume diatur sesuai kecepatan putaran rekaman
• Struktur yang memungkinkan tonearm dikendalikan secara langsung
• Dukungan layout Stack / Grid
• Layout responsif yang mendukung multitasking iPad
• Penerapan Liquid Glass di iOS 26

Bukan sekadar pemutar sederhana, tetapi pengalaman mengoperasikan perangkat audio sungguhan.

Audio spasial kustom

• Menempatkan sumber suara pada koordinat ruang 2D
• Mengatur arah dan jarak dengan drag
• Menggabungkan beberapa suara untuk membentuk soundscape yang dipersonalisasi

Menggunakan PHASE (Physical Audio Spatialization Engine) untuk mewujudkan audio spasial yang realistis.

Desain suara berbasis fraktal

• Sinyal bunyi tidak mengikuti loop tetap
• Algoritma dimensi fraktal digunakan untuk menyesuaikan waktu pemutaran dan frekuensi kemunculan secara dinamis
• Pola artifisial dihilangkan untuk mengurangi kelelahan otak

Warna noise dan personalisasi

Dengan memanfaatkan konsep warna noise, perbedaan persepsi pendengaran berdasarkan karakteristik frekuensi dapat dicerminkan.

• White: energi yang sama di seluruh rentang
• Pink / Brown: penekanan frekuensi rendah
• Blue / Violet: penekanan frekuensi tinggi

Dirancang agar pengguna bisa menyesuaikan sendiri karakteristik frekuensi dengan mempertimbangkan perbedaan persepsi pendengaran tiap orang.

Implementasi equalizer

• Pemrosesan transformasi frekuensi berbasis FFT
• Memanfaatkan framework Accelerate(vDSP)
• Perancangan ulang tekstur melalui rekonstruksi spektrum
• Koreksi gain berbasis RMS serta penerapan soft clipping
• Optimasi SIMD untuk memperoleh kecepatan pemrosesan yang mendekati real-time

👉 App Store