Akopọ
Mel-Frequency Cepstral Coefficients (MFCCs) jẹ akojọpọ awọn nọmba ti o ni akopọ ti o ṣe akopọ apẹrẹ ti iwọn igbohunsafẹfẹ ohun kan ni ọna ti eti eniyan ṣe akiyesi rẹ. Fun awọn ewadun wọn jẹ ẹya iṣẹ ẹṣin fun idanimọ ọrọ, idanimọ agbọrọsọ, ati itupalẹ orin.
Awọn Iṣatunṣe Cepstral-Igbohunsafẹfẹ Mel-Frequency joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ, orin, ati ohun pada fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media.
Jin Dive
Awọn MVCC ṣe iyipada bibẹ kukuru ti ohun sinu aijọju awọn nọmba 13 ti o gba timbre rẹ. Opo opo gigun ti epo n gba fọọmu igbi, fọ si awọn fireemu ~ 25ms, ṣe iṣiro iwoye agbara nipasẹ iyipada Fourier, lẹhinna yi ipo igbohunsafẹfẹ pọ si iwọn mel, eyiti o fi aaye gba ọna ti cochlea ṣe: ni isalẹ 1kHz ati ni isunmọ loke. Awọn agbara mel jẹ titẹ-fisinuirindigbindigbin (mimicking Iro ti npariwo) ati nipari kọja nipasẹ kan ọtọ cosine iyipada, eyi ti o decorrelates wọn ati concentrates alaye sinu akọkọ diẹ iyeida. Abajade jẹ logan si ariwo ati ipolowo agbọrọsọ, eyiti o jẹ idi ti Ayebaye Hidden Markov Awoṣe ati awọn eto ọrọ Awoṣe Awoṣe Gaussian gbarale awọn MMFCs fẹrẹ to gbogbo agbaye ṣaaju ikẹkọ jinlẹ.
Imọ-imọ-ẹrọ
Awọn mel asekale isunmọ ipolowo Iro pẹlu mel = 2595 log10 (1 + f / 700), ki dogba mel awọn igbesẹ ti ohun se aaye. Iyipada cosine ọtọtọ ti o kẹhin (DCT) jẹ igbesẹ 'cepstral': o ṣe itọju log-mel julọ.Oniranran bi ifihan agbara kan ati pe o yapa apẹrẹ ti o yatọ laiyara (awọn iye-iye cepstral kekere, apakan ti a tọju) lati awọn harmonics ipolowo iyara (awọn alafodisi giga, nigbagbogbo asonu), isodipupo idanimọ phonetic daradara lati ipolowo agbọrọsọ.
Titunto si Mel-Igbohunsafẹfẹ Cepstral Coefficients
Mel-Frequency Cepstral Coefficients (MFCCs) jẹ akojọpọ awọn nọmba ti o ni akopọ ti o ṣe akopọ apẹrẹ ti iwọn igbohunsafẹfẹ ohun kan ni ọna ti eti eniyan ṣe akiyesi rẹ. Fun awọn ewadun wọn jẹ ẹya iṣẹ ẹṣin fun idanimọ ọrọ, idanimọ agbọrọsọ, ati itupalẹ orin. Awọn Iṣatunṣe Cepstral-Igbohunsafẹfẹ Mel-Frequency joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ, orin, ati ohun pada fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media. Lati kọ oye ti o jinlẹ, tọju Mel-Frequency Cepstral Coefficients bi awoṣe iṣẹ, kii ṣe ẹya ẹyọkan: ṣalaye awọn abajade ti o fẹ, ṣalaye awọn arosọ, ati ya sọtọ ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.
Ni iṣe, awọn ẹgbẹ ti o lagbara ti nlo Mel-Frequency Cepstral Coefficients ṣe itọju didara, lairi, ati ifọkansi bi awọn ẹya pataki kanna ti ilana imuṣiṣẹ. Wọn ṣe akọsilẹ awọn ibeere aṣeyọri ti o fojuhan, idanwo lodi si data ojulowo ati ṣiṣan iṣẹ, ati atunbere ti o da lori awọn ilana ikuna ti a ṣakiyesi dipo awọn bori ala-akoko kan. Eyi ni ibiti oye imọ-jinlẹ yipada si agbara ti o tọ kọja ọja, eto imulo, ati awọn iṣẹ ṣiṣe.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni akoko kanna, ilokulo ohun ati awọn eewu imisi eniyan n pọ si nigbati igbanilaaye ba sonu. Ọna resilient julọ julọ ni lati darapọ iyara idanwo pẹlu ibawi ijọba: ṣiṣe awọn awakọ awakọ, mu ẹri mu, ṣe atẹjade awọn iwe ipinnu, ati imudojuiwọn awọn aabo nigbagbogbo bi ihuwasi awoṣe, awọn ireti olumulo, ati awọn ibeere ilana ti dagbasoke.
Ipa Ilana
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Real-World imuse
Awọn ẹya akositiki fun awọn idanimọ ọrọ HMM-GMM Ayebaye bii Sphinx kutukutu ati awọn eto HTK
Ijerisi agbọrọsọ ati diarization, iyatọ ti o sọrọ lori ipe kan
Isọri oriṣi orin ati titẹ itẹka orin (ibaramu ara Shazam timbre)
Ṣiṣawari awọn aṣiṣe ẹrọ tabi awọn ipe ẹranko lati inu ohun ni ile-iṣẹ ati ibojuwo bioacoustic
Awọn Ilana imuse
Mel-Frequency Cepstral Coefficients ni iṣe
Awọn ẹya akositiki fun awọn idanimọ ọrọ HMM-GMM Ayebaye bii Sphinx kutukutu ati awọn eto HTK.
Awọn ẹya ara ẹrọ Acoustic fun awọn idanimọ ọrọ HMM-GMM Ayebaye bii Sphinx kutukutu ati awọn ọna ṣiṣe HTK Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Mel-Frequency Cepstral Coefficients ni iṣe
Ijerisi agbọrọsọ ati diarization, iyatọ ti o sọrọ lori ipe kan.
Ijẹrisi agbọrọsọ ati diarization, iyatọ ti o n sọrọ lori ipe Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Mel-Frequency Cepstral Coefficients ni iṣe
Isọri oriṣi orin ati titẹ itẹka orin (ibaramu ara Shazam timbre).
Isọdi oriṣi orin ati titẹ itẹka orin (Timbre ti aṣa ara Shazam) Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa mejeeji awọn anfani iṣelọpọ ati awọn idiyele aṣiṣe lori akoko.
Mel-Frequency Cepstral Coefficients ni iṣe
Ṣiṣawari awọn aṣiṣe ẹrọ tabi awọn ipe ẹranko lati inu ohun ni ile-iṣẹ ati ibojuwo bioacoustic.
Wiwa awọn aṣiṣe ẹrọ tabi awọn ipe ẹranko lati inu ohun ni ile-iṣẹ ati awọn ẹgbẹ ibojuwo bioacoustic nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
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.
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.