Exponenta Banner

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
audioDataAugmenterУвеличьте аудиоданные
audioFeatureExtractorОптимальная экстракция функции аудио

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.

Рекомендуемые примеры

Speech Command Recognition Using Deep Learning

Распознание речевых команд с использованием глубокого обучения

Обучите модель глубокого обучения, которая обнаруживает присутствие речевых команд в аудио. Пример использует Речевой Набор данных Команд [1], чтобы обучить сверточную нейронную сеть распознавать данный набор команд.

Открыть скрипт
Cocktail Party Source Separation Using Deep Learning Networks

Исходное разделение приема Используя нейронные сети для глубокого обучения

Изолируйте речевой сигнал использование нейронной сети для глубокого обучения.

Скрипт Open Live Script
Keyword Spotting in Noise Using MFCC and LSTM Networks

Определение ключевого слова в шуме Используя MFCC и сети LSTM

Идентифицируйте ключевое слово в шумной речи с помощью нейронной сети для глубокого обучения. В частности, пример использует сеть Bidirectional Long Short-Term Memory (BiLSTM) и mel-частоту cepstral коэффициенты (MFCC).

Скрипт Open Live Script
Denoise Speech Using Deep Learning Networks

Речь Denoise Используя нейронные сети для глубокого обучения

Речевые сигналы Denoise с помощью нейронных сетей для глубокого обучения. Пример выдерживает сравнение, два типа сетей применились к той же задаче: полностью соединенный и сверточный.

Скрипт Open Live Script
Train Generative Adversarial Network (GAN) for Sound Synthesis

Обучите Порождающую соперничающую сеть (GAN) синтезу звука

Обучите и используйте порождающую соперничающую сеть (GAN), чтобы сгенерировать звуки.

Открыть скрипт
Voice Activity Detection in Noise Using Deep Learning

Речевое обнаружение действия в шуме Используя глубокое обучение

Обнаружьте области речи в низкой среде сигнала к шуму с помощью глубокого обучения. Пример использует Речевой Набор данных Команд, чтобы обучить сеть Bidirectional Long Short-Term Memory (BiLSTM) обнаруживать речевое действие.

Скрипт Open Live Script
Classify Gender Using LSTM Networks

Классифицируйте пол Используя сети LSTM

Классифицируйте пол докладчика, использующего глубокое обучение. Пример использует сеть Bidirectional Long Short-Term Memory (BiLSTM) и Коэффициенты Gammatone Cepstral (gtcc), подачу, гармоническое отношение и несколько спектральных дескрипторов формы.

Скрипт Open Live Script
Spoken Digit Recognition with Wavelet Scattering and Deep Learning

Разговорное распознавание цифры с рассеиванием вейвлета и глубоким обучением

Классифицируйте разговорные цифры с помощью обоих методов машинного и глубокого обучения. В примере вы выполняете классификацию с помощью времени вейвлета, рассеиваясь с машиной опорных векторов (SVM) и с сетью долгой краткосрочной памяти (LSTM). Вы также применяете Байесовую оптимизацию, чтобы определить подходящие гиперпараметры, чтобы улучшить точность сети LSTM. Кроме того, пример иллюстрирует подход с помощью глубокой сверточной нейронной сети (CNN) и спектрограмм mel-частоты.

Скрипт Open Live Script
Sequential Feature Selection for Audio Features

Последовательный выбор признаков для функций аудио

Типичный рабочий процесс для выбора признаков применился к задаче разговорного распознавания цифры.

Скрипт Open Live Script
Speech Emotion Recognition

Речевое распознавание эмоции

Иллюстрирует простую систему речевого распознавания эмоции (SER) с помощью сети BiLSTM. Вы начинаете путем загрузки набора данных и затем тестирования обучившего сеть на отдельных файлах. Сеть была обучена на маленькой немецкоязычной базе данных [1].

Скрипт Open Live Script
Acoustic Scene Recognition Using Late Fusion

Акустическое распознавание сцены Используя последний Fusion

Создайте последнюю систему сплава мультимодели для акустического распознавания сцены. Пример обучает сверточную нейронную сеть (CNN) с помощью mel спектрограммы и классификатор ансамбля с помощью рассеивания вейвлета. Пример использует набор данных TUT в обучении и оценке [1].

Открыть скрипт
Документация Deep Learning Toolbox
Поддержка