Exponenta Banner
exponenta event banner

Увеличение объема данных

Увеличительные трубопроводы, шаг и время сдвига, время растяжения, контрольный объем и шум

Увеличьте наборы аудиоданных путем создания пользовательских конвейеров увеличения, специфичных для звука, таких как сдвиг основного тона, сдвиг во времени и растягивание во времени. Используйте audioDataAugmenter Изобретение относится к медицине и может быть использовано для выполнения комбинаций дополнений вероятностно или детерминированно и последовательно или параллельно. audioDataAugmenter объект также позволяет определить собственные пользовательские дополнения.

Объекты

audioDataAugmenterУвеличение аудиоданных
audioTimeScalerПрименить масштабирование времени к потоковому аудио

Функции

shiftPitchСдвиг звукового шага
stretchAudioЗвук с растягиванием во времени

Характерные примеры

Keyword Spotting in Noise Using MFCC and LSTM Networks

Определение ключевых слов в шуме с использованием сетей MFCC и LSTM

Определение ключевого слова в шумной речи с помощью сети глубокого обучения. В частности, в примере используется сеть двунаправленной долговременной памяти (BiLSTM) и кепстральные коэффициенты частоты (MFCC).

Открыть сценарий в реальном времени
Speech Emotion Recognition

Распознавание речевых эмоций

Иллюстрирует простую систему распознавания речевых эмоций (SER) с использованием BiLSTM-сети. Сначала необходимо загрузить набор данных, а затем протестировать обученную сеть на отдельных файлах. Сеть обучалась по небольшой немецкоязычной базе данных [1].

Открыть сценарий в реальном времени
Acoustic Scene Recognition Using Late Fusion

Распознавание акустических сцен с использованием позднего синтеза

Создание многомодельной системы позднего фьюжна для распознавания акустических сцен. Пример обучает сверточную нейронную сеть (CNN) с использованием спектрограмм mel и ансамблевого классификатора с использованием вейвлет-рассеяния. В примере используется набор данных TUT для обучения и оценки [1].

Открыть сценарий
Time-Frequency Masking for Harmonic-Percussive Source Separation

Частотно-временное маскирование для разделения гармонических источников

Частотно-временная маскировка - это процесс применения весов к ячейкам частотно-временного представления для увеличения, уменьшения или выделения частей звука.

Открыть сценарий в реальном времени
Dereverberate Speech Using Deep Learning Networks

Отказ от речи с использованием сетей глубокого обучения

Обучение модели глубокого обучения, которая удаляет реверберацию из речи.

Открыть сценарий в реальном времени

Документация по панели инструментов Audio

Поддержка