Filterbank ati PLP Awọn ẹya ara ẹrọ
Awọn ẹya ara ẹrọ Filterbank ati Perceptual Linear Prediction (PLP) jẹ awọn ọna ti akopọ ifihan ọrọ kan sinu iwapọ, awọn nọmba ti o ni itumọ ti oye ti awọn awoṣe ikẹkọ ẹrọ le lo.
Akopọ
They matter because they let speech recognizers focus on the parts of sound humans actually hear, discarding irrelevant detail.
Jin Dive
Lati yi ohun afetigbọ aise sinu awọn ẹya, ifihan naa pin si awọn fireemu kukuru ati kọja nipasẹ banki kan ti awọn asẹ agbekọja ti o wa ni aye lori iwọn mel, eyiti o ṣe afiwe ifamọ ipo igbohunsafẹfẹ ti eti. Akopọ agbara ni àlẹmọ kọọkan ṣe agbejade awọn ẹya log-mel filterbank, igbewọle ti o ga julọ fun awọn awoṣe ọrọ jinlẹ ti ode oni. PLP, ti o dagbasoke nipasẹ Hynek Hermansky, ṣafikun diẹ sii psychoacoustics: o kan awọn ẹgbẹ pataki ni iwọn epo igi, awọn iwọn wiwọn iwọn didun iwọn dogba bi eti ti n ṣe, ati kikan-root-root-si-ipariwo funmorawon, lẹhinna baamu awoṣe gbogbo-polu (asọtẹlẹ laini) lati dan iwoye naa. Abajade jẹ aṣoju onisẹpo kekere ti o lagbara si agbọrọsọ ati awọn iyatọ ikanni. Awọn ኤምFCC jẹ ibatan ti o sunmọ ti o ṣe afikun iyipada cosine lati ṣe atunṣe awọn abajade ile-ifojumọ filterbank.
Imọ-imọ-ẹrọ
Ero pataki ni ijakadi oye: linear hertz ti wa ni atunkọ si mel tabi awọn iwọn epo igi nitorina awọn asẹ wa dín ni awọn igbohunsafẹfẹ kekere ati fife ni awọn giga, ti o baamu ipinnu cochlear. PLP's iṣaju iṣaju igbe-pariwo dogba ati awoṣe funmorawon kubu-root bawo ni iwoye ariwo eti ti kii ṣe lainidi. Igbesẹ asọtẹlẹ laini ti o kẹhin baamu apoowe iwoye didan, yiya apẹrẹ-itumọ ohun lakoko ti o dinku awọn irẹpọ ipolowo ti o yatọ laarin awọn agbohunsoke.
Ipa Ilana
Wiwọle ati arọwọto
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
Iye owo ati isuna
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Iyara ati iwọn
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ọjọ iwaju ti Filterbank ati Awọn ẹya PLP
Awọn nẹtiwọọki nkankikan ti o jinlẹ fẹran awọn banki filter log-mel aise lori awọn ẹya PLP ti a ṣe daadaa tabi awọn ẹya MMFC, nitori nẹtiwọọki naa kọ ẹkọ awọn iyipada tirẹ dara julọ ju ọṣọ ti a ṣe pẹlu ọwọ. Aala jẹ opin ẹkọ iwaju bi SincNet ati wav2vec ti o ṣiṣẹ lori awọn ọna igbi aise. Sibẹsibẹ, awọn banki filter mel wa ni ibi gbogbo bi iduroṣinṣin, titẹ owo kekere, ati awọn ipilẹ oye ti o wa lẹhin PLP tẹsiwaju lati sọ fun bi awọn onimọ-ẹrọ ṣe ṣe apẹrẹ ati tumọ awọn aṣoju ikẹkọ wọnyi.
Real-World imuse
Iṣiro awọn ẹya 40 log-mel filterbank fun fireemu kan bi titẹ sii si nẹtiwọọki nkankikan ọrọ-si-ọrọ
Lilo awọn ẹya PLP ni awọn ọna ṣiṣe pipaṣẹ ohun ti o lagbara fun awọn ọkọ ayọkẹlẹ
Awọn opo gigun ti idanimọ agbọrọsọ ti o gbẹkẹle awọn ẹya iwoye ti oye
Aami ọrọ Koko lori awọn ẹrọ agbara kekere nibiti awọn ẹya ara ẹrọ filterbank iwapọ dinku iṣiro
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Filterbank and PLP Features quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Ṣiṣayẹwo Laini ati Igbelewọn Ẹya Tio tutunini
Awọn ibeere ti a beere nigbagbogbo
What is Filterbank and PLP Features?
Awọn ẹya ara ẹrọ Filterbank ati Perceptual Linear Prediction (PLP) jẹ awọn ọna ti akopọ ifihan ọrọ kan sinu iwapọ, awọn nọmba ti o ni itumọ ti oye ti awọn awoṣe ikẹkọ ẹrọ le lo. Wọn ṣe pataki nitori pe wọn jẹ ki awọn oludamọ ọrọ dojukọ awọn apakan ti awọn eniyan ohun ti o gbọran nitootọ, ni sisọ awọn alaye ti ko ṣe pataki.
Kilode ti awọn ile-iṣọrọ ọrọ sisọ ni aaye lori mel tabi iwọn epo dipo ti hertz laini?
Awọn irẹjẹ mel ati epo igi isunmọ ipinnu cochlear eniyan, eyiti o dara julọ ni awọn igbohunsafẹfẹ kekere ati irẹjẹ ni awọn igbohunsafẹfẹ giga.
Kini igbesẹ asọtẹlẹ laini ni PLP ṣaṣeyọri?
PLP ni ibamu pẹlu awoṣe gbogbo-ọpa lati gbejade apoowe iwoye didan, yiya awọn abuda ohun-itumọ lakoko ti o dinku awọn irẹpọ ipolowo ti o gbẹkẹle agbọrọsọ.
Iru ẹya wo ni titẹ sii ti o ga julọ fun awọn awoṣe idanimọ ọrọ jinlẹ ti ode oni?
Log-mel filterbank awọn ẹya ara ẹrọ ni o wa boṣewa, iwapọ, perceptually ti o nilari igbewọle fun oni jin ọrọ awọn awoṣe.
Bawo ni awọn MFCC ṣe yatọ si awọn ẹya ara ẹrọ log-mel filterbank aise?
Awọn ኤምFCC lo iyipada cosine ọtọtọ lori oke awọn okunagbara log-mel filterbank lati ṣe ẹṣọ wọn si awọn onisọdipupọ iwapọ.
Ohun ti perceptual ano PLP ni wipe ipilẹ mel filterbanks se ko?
PLP ṣe afikun iṣaju iṣaju ariwo-dogba ati kikan-gbongbo cube-lati-funmorawon si awoṣe iwoye ariwo eniyan dara julọ.