Обработка аудиоданных с использованием глубокого обучения

Расширьте рабочие процессы глубокого обучения с речевыми приложениями обработки и аудио

Примените глубокое обучение к аудио и речевым приложениям обработки при помощи Deep Learning Toolbox™ вместе с Audio Toolbox™.

Приложения

Audio LabelerЗадайте и визуализируйте метки основной истины

Функции

audioDatastoreDatastore для набора звуковых файлов

Темы

Введение в глубокое обучение для аудиоприложений (Audio Toolbox)

Изучите общие инструменты и рабочие процессы, чтобы применить глубокое обучение к аудиоприложениям.

Классифицируйте звук Используя глубокое обучение (Audio Toolbox)

Обучите, подтвердите и протестируйте простую долгую краткосрочную память (LSTM), чтобы классифицировать звуки.

Распознание речевых команд с использованием глубокого обучения

В этом примере показано, как обучить простую модель глубокого обучения, которая обнаруживает присутствие речевых команд в аудио.

Речь Denoise Используя нейронные сети для глубокого обучения

В этом примере показано, как к denoise речевым сигналам с помощью нейронных сетей для глубокого обучения.

Классифицируйте пол Используя сети LSTM

В этом примере показано, как классифицировать пол докладчика, использующего глубокое обучение.

Речевое обнаружение действия в шуме Используя глубокое обучение

В этом примере показано, как обнаружить области речи в низкой среде сигнала к шуму с помощью глубокого обучения.

Разговорное распознавание цифры с рассеиванием вейвлета и глубоким обучением

В этом примере показано, как классифицировать разговорные цифры с помощью рассеивания времени вейвлета, соединенного с машиной опорных векторов и глубокой сверточной сетью на основе спектрограмм mel-частоты.

Исходное разделение приема Используя нейронные сети для глубокого обучения

В этом примере показано, как изолировать речевой сигнал использование нейронной сети для глубокого обучения.

Последовательный выбор признаков для речевого распознавания эмоции

Этот пример показывает, что типичный рабочий процесс для выбора признаков применился к задаче речевого распознавания эмоции.

Определение ключевого слова в шуме Используя MFCC и сети LSTM

В этом примере показано, как идентифицировать ключевое слово в шумной речи с помощью нейронной сети для глубокого обучения.

Акустическое распознавание сцены Используя последний Fusion

В этом примере показано, как создать последнюю систему сплава мультимодели для акустического распознавания сцены.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте