Penyandang tuna rungu mengalami kesulitan dalam memahami percakapan secara langsung karena keterbatasan dalam menerima informasi suara. Penelitian ini bertujuan merancang dan membangun alat bantu komunikasi visual berbasis kacamata pintar yang mampu mengubah suara menjadi teks menggunakan sistem Speech-to-Text. Sistem menggunakan ESP32-S3 sebagai pengendali utama, mikrofon digital INMP441 sebagai akuisisi suara, OLED 0,96 inci sebagai media tampilan, serta model Faster-Whisper yang dijalankan pada laptop. Data audio dikirim melalui jaringan WiFi menggunakan protokol UDP untuk diproses menjadi teks, kemudian hasil transkripsi ditampilkan pada OLED secara near real-time. Hasil pengujian menunjukkan sistem memperoleh akurasi Speech-to-Text rata-rata sebesar 96,1% dengan waktu respons rata-rata 0,81 detik. Pengujian berdasarkan jarak menghasilkan akurasi berturut-turut sebesar 93,75% (60 cm), 89% (120 cm), 79% (180 cm), dan 54% (240 cm). Sementara itu, pada pengujian kondisi bising diperoleh akurasi 89% pada kebisingan restoran sekitar 65 dB dan 84% pada kebisingan motor AC sekitar 72 dB. Hasil penelitian menunjukkan bahwa sistem mampu membantu penyandang tuna rungu memperoleh informasi percakapan secara visual, meskipun performa dipengaruhi oleh jarak pembicara dan tingkat kebisingan lingkungan.

Kata kunci : tuna rungu, Speech-to-Text, ESP32-S3, Faster-Whisper, kacamata pintar, near real-time.