Adakah yang tahu filter untuk menipiskan non-ucapan? Saya menulis perangkat lunak pengenal ucapan dan ingin menyaring semuanya kecuali ucapan manusia. Ini akan mencakup kebisingan latar belakang, kebisingan yang dihasilkan oleh mikrofon yang jelek, atau bahkan musik latar. Saya sudah menerapkan...
Sambil mencari jawaban untuk masalah ini, saya menemukan papan ini jadi memutuskan untuk mengirim pertanyaan saya dari Stack Overflow. Saya mencari metode untuk menentukan kesamaan antara segmen audio dan suara manusia, yang diekspresikan secara numerik. Saya telah mencari sedikit, tetapi apa...
Pertimbangkan 4 sinyal gelombang berikut: signal1 = [4.1880 11.5270 55.8612 110.6730 146.2967 145.4113 104.1815 60.1679 14.3949 -53.7558 -72.6384 -88.0250 -98.4607] signal2 = [ -39.6966 44.8127 95.0896 145.4097 144.5878 95.5007 61.0545 47.2886 28.1277 -40.9720 -53.6246 -63.4821 -72.3029 -74.8313...
ini adalah pertanyaan yang membuat saya tertarik untuk beberapa waktu sekarang, terutama karena saya sedang mengerjakan pengurangan kebisingan untuk sistem pengenalan ucapan yang ada. Sebagian besar makalah tentang teknik pengurangan kebisingan tampaknya berfokus pada bagaimana membuat bicara...
Masalah saya adalah bahwa saya tidak tahu energi dari kebisingan latar belakang, jadi saya tidak bisa hanya membatasi energi. Pemrosesan dilakukan secara real time, dan saya memiliki sekitar 500 msec untuk memutuskan. Idealnya, saya ingin konsonan yang tenang dianggap tidak
Saya mencoba menggunakan transformasi Hough untuk deteksi tepi, dan ingin menggunakan gambar gradien sebagai dasarnya. Apa yang telah saya lakukan sejauh ini, mengingat gambar Idari ukuran [M,N]dan derivatif parsial nya gx, gy, adalah untuk menghitung sudut gradien di setiap pixel sebagai thetas...
Saya tahu bahwa Model Markov Tersembunyi (HMM) digunakan dalam pengenalan ucapan dan memahaminya sampai batas tertentu. Namun, yang saya tidak tahu adalah bagaimana input (ucapan) "ditransformasikan" menjadi vektor yang kemudian digunakan dalam HMM. Bagaimana Anda mendapatkan vektor dari input...
Saya mencoba untuk memahami bagaimana iPhone saya dapat terus mendengarkan saya mengatakan Hey Siri, Alexa, Hey Cortanaatau Okay Googletanpa cepat menguras baterai saya turun. Saya membayangkan dua jenis algoritma. Satu yang merekam irisan waktu seperti irisan lebar 10 ms setiap 200 ms dan...