-
1111
查看全部 -
啊查看全部
-
语音技术范围及技术框架特点-技术范围
语音识别：语音到文本
命令词识别：关键词检测
语音合成：文本到语音
声纹识别：声音生物信息认证
声音时间检测：呻吟场景分类，稀有事件检测，现实场景中的声学事件检测
语音前端（降噪，增强，定位，回声消除。。。）
ASR（语音识别）：语音转录：实时转录（输入法），文件转录（病例，庭审记录）
KWS（关键词检测）：siri，小爱同学，车载命令词
TTS（语音合成）：TalkBot，有声书，泛娱乐
VPR（声纹识别）：司法认证，生物信息认证
DCASE（事件检测）：看护，咳嗽
FrontEnd（语音前端）：直播降噪，鸡尾酒会问题（盲源分离）
查看全部 -
语音基础知识介绍-发声机理
人的发声范围： 100 - 10kHz
男性的基音频率（Fo）： 50 - 250 Hz
女性基音频率： 100 - 500 Hz
语音基础知识介绍-听觉原理
外耳： 声源定位（DOA）、放大器（AGC）
中耳：保护耳蜗
内耳：梅尔滤波器组
人声听声范围： 20 - 20kHz
语音基础知识介绍-音频示例及参数
格式： 无损/有损
无损： WAV/PCM/FLAC
有损： MP3/ogg/AAC
幅职： 多种表示方式
采样值： short（-32768～ + 32767）
标准化值：采样值的归一化
分贝： 10log[(x/xo)^2] = 20log|x/xo|
长度：音频持续时间，一般单位是s，精确到ms
采样率：每秒钟采样的个数8k，16k，22.05k，44.1k
通道： 单声道（mono），多声道（混音），立体声（stereo）
位宽： 分辨率
16bits： 幅值的范围用两个字节的short表示（-32768～32767）
32bits： 幅值的范围用四个字节的long short表示（-65537～65536）
查看全部 -
语音相关基础知识：
语音基本知识介绍
语音技术范围及技术框架特点
语音技术历史演进
明确语音的基本概念技术范围和现在一些应用，并确定接下来我们选择的框架
查看全部 -
语音技术现状：
语音社交
极度稀缺
智能家居
课程的主要目的：
语音基本概念、处理方法
掌握语音特征工程
获得语音入门相关经验
课程概述：
1. 基础知识讲解： 语音的概念；语音的技术栈；框架及对比选择；语音技术的当前现状
2. 特征工程： 语音特征；语音特征抽取；相关神经网络组件
3. 项目实战： 数据处理；模型搭建；模型部署
技能储备：
熟悉Python基础语法
了解Pytorch基础用法
了解深度学习基础
查看全部 -
第一次学习查看全部
-
这是我的第一次笔记
查看全部 -
11111111111111111
22222222222222222
33333333333333333333
查看全部 -
发声机理。
查看全部 -
t查看全部
-
语音相关基础知识
查看全部 -
人工智能--语音
查看全部
举报