HAGAHA Audio AI
Isku-duwayaasha Cepstral-Frequency Mel-Frequency
Mel-Frequency Cepstral Coefficients (MFCCs) waa tirooyin kooban oo soo koobaya qaabka dhawaaqa inta jeer ee sida ay dhegaha bini'aadamku u arkaan.
Dhageyso hagahanAI-waa laga sheekeeyay · ~2 min
Boggaan2 daqiiqo akhri
Dulmar
For decades they were the workhorse feature for speech recognition, speaker identification, and music analysis.
quusid qoto dheer
MVCC-yadu waxay u beddelaan jeex gaaban oo maqal ah qiyaastii 13 nambar oo qabsada timbre. Dhuunuhu waxay qaadaa qaabka hirarka, waxay u kala jebiyaan ~ 25ms, waxay ku xisaabisaa awoodda awoodda iyada oo loo marayo isbeddelka Fourier, ka dibna waxay ku dhufataa dhidibka soo noqnoqda ee miisaanka mel, kaas oo u kala xira habka cochlea u sameeyo: si ka hooseeya 1kHz iyo si aan toos ahayn. Tamarta mel waa la isku-buufiyey (oo iska ekaysiinaya aragtida qaylada) oo ugu dambayntii dhex martay isbeddelka cosine discrete, kaas oo qurxiya oo xog ururisa dhawrka qaybood ee ugu horreeya. Natiijadu waxay ku adag tahay dhawaaqa iyo dhawaaqa hadalka, waana sababta Hidden Markov Model ee caadiga ah iyo hababka hadalka ee isku dhafka ah ee Gaussian ay ku tiirsan yihiin MMFC-yada ku dhawaad guud ahaan ka hor waxbarashada qoto dheer.
Dhaqangelinta Adduunka-dhabta ah
Astaamaha codka ee HMM-GMM garashada hadalka caadiga ah sida Sphinx hore iyo nidaamyada HTK
Xaqiijinta hadalka iyo shubanka, kala saarida qofka ku hadlaya wicitaanka
Kala soocida nooca muusiga iyo faraha heesta (Shazam-style timbre is waafajinta)
Ogaanshaha khaladaadka mashiinka ama wicitaanada xayawaanka ee maqalka ee kormeerka warshadaha iyo noolaha
Mustaqbalka Isku-duwayaasha Cepstral-Frequency Mel-Frequency
Shabakado qoto dheer ilaa dhamaad-ilaa-dhamaadka waxay si isa soo taraysa u bartaan sifooyin toos ah mowjadaha cayriin ama spectrograms log-mel, iyaga oo ka boodaya DCT, sidaa darteed MVCC-yada saafiga ah ayaa ka sii lumaya ASR-ka casriga ah. Haddana waxay caan ku yihiin hawlo fudud, qalab, iyo xog hoose: tilmaamida ereyga muhiimka ah, ogaanshaha dhaqdhaqaaqa codka, sawir qaadista codka, iyo bioacoustics. Filo in MCC-yadu ay ku sii jiraan si hufan, aasaaska la tarjumi karo xitaa sida darafyada hore ee la bartay ay u badan yihiin moodooyinka waaweyn.
Ku dhaqangelinta
Maxay muhiim u tahay
- Helitaanka iyo gaarsiinta. Waxay wanaajisaa marin u helida iyada oo loo marayo qoraal-qorid, sheeko, iyo is-dhexgalyo cod.
- Qiimaha iyo miisaaniyada. Kooxaha warbaahintu waxay ku soo rari karaan codka sifaysan si degdeg ah iyagoo wata miisaaniyado yaryar.
- Xawaaraha iyo miisaanka. Nidaamyada u jeedda macmiisha waxay ka baaraandegi karaan isdhexgalka hadalka si weyn.
Iska ilaali
- Si xun u isticmaalka codka iyo khataraha is-yeelyeelku way kordhaan marka oggolaanshaha la waayo.
- Saxnimadu waxay hoos ugu dhici kartaa lahjadaha, lahjadaha, ama jawiga buuqa badan.
- Maqalka synthetic waxaa lagu khaldi karaa hadal dhab ah iyada oo aan si cad loo calaamadin.
Tallaabooyinka xiga
- Hel ogolaansho cad oo ku saabsan qabashada codka, xidhitaanka, iyo dib u isticmaalka
- Tijaabi tayada ku hadasha kala duwan iyo xaaladaha asalka.
- Qeex marka bani'aadamku ay tahay inuu dib u eego ama oggolaado wax soo saarka.
- Ku calaamadee codka synthetic oo xafid diiwaannada la-xisaabtanka.
Sii wad Sahaminta
Warqad bilaash ah
Hel warbixinta maalinlaha ah ee AI
Saddex sheeko oo la xaqiijiyay oo AI ah maalin kasta oo shaqo ah, oo lagu qoray Ingiriis fudud. Bilaash had iyo jeer, aan xayaysiis lahayn.
Hal iimayl maalin kasta oo shaqo ah. Ka bax hal gujin. Marna ma iibinno ama ma wadaagno ciwaankaaga.
Is tijaabi
Take the Mel-Frequency Cepstral Coefficients quiz
Fikrad degdeg ah oo ku saabsan jawaab kasta, iyo shahaado la wadaajin karo oo leh aqoonsi la xaqiijin karo markaad ka gudubto koorso.
Taageer waxbarashada AI bilaashka ah. AI Understanding waa 501(c)(3) aan faa'iido doon ahayn — xayaysiis la'aan, albaab lacag ah ma jiro, had iyo jeer. Samee deeq
Su'aalaha soo noqnoqda
What is Mel-Frequency Cepstral Coefficients?
Mel-Frequency Cepstral Coefficients (MFCCs) waa tirooyin kooban oo soo koobaya qaabka dhawaaqa inta jeer ee sida ay dhegaha bini'aadamku u arkaan. Tobannaan sano waxay ahaayeen astaanta shaqada ee aqoonsiga hadalka, aqoonsiga hadalka, iyo falanqaynta muusigga.
Waa maxay macnaha 'mel' ee ku jira MCCC?
Miisaanka mel-ku wuxuu rogaa soo noqnoqoshada si ay tillaabooyin siman u dhawaqayaan si siman u kala fogaanshiyaha bini'aadamka, oo si siman u kala fogeeya tamar hoose iyo kuwa sare.
Isbadalkee ayaa la dabaqay ugu dambeyntii si loo soo saaro iskuxirayaasha bowdada?
Ka dib marka tamarta log-mel la xisaabiyo, isbeddelka cosine kala duwan ayaa qurxin doona iyaga oo ku xidhaya macluumaadka dhawrka qaybood ee ugu horreeya.
Waa maxay sababta MVCC-yadu ay ugu adag yihiin goobta hadalka?
Isku-dheellitirnaanta hoose ee bowdada ayaa qabta baqshadda cod-bixinta (waxyaabaha dhawaaqa ah) halka kuwa sare ay qabtaan dhawaaqa, sidaas darteed ilaalinta kuwa hoose waxay hoos u dhigtaa garoonka.
Qiyaastii imisa xabbo oo MMFC ayaa sida caadiga ah loo hayaa qaabkiiba?
Doorashada caadiga ah waa ilaa 13 iskuxirayaal, oo mararka qaarkood lagu kordhiyo deltas-kooda, kuwaas oo si kooban u soo koobaya timbre.
Waa maxay sababta loggu loogu dabaqay tamarta mel-band?
Aragtida qaylada bini'aadamku waa qiyaas logarithmic, markaa isku-buufinta loggu waxay ka dhigaysaa sifooyinka si fiican u fiirsashada isla markaana waxay dejisaa kala duwanaansho firfircoon.
Sii wad waxbarashada
Tilmaamaha la xidhiidha
Tilmaamayaal badan ayaa loo doortay mawduucan