Exponenta Banner

Речевая транскрипция и синтез

Используйте сторонние API для преобразования текста в речь и речи в текст

Audio Toolbox™ предоставляет примеры для распознавания малого словаря и синтеза звука. Для выполнения общего преобразования текста в речь и речи в текст Audio Toolbox предоставляет интерфейсы к популярным сторонним API. Поддерживаемые API включают Google® Речь, IBM® Речь Ватсона и Microsoft® Лазурная речь. Чтобы использовать эту функциональность, необходимо загрузить расширенную функциональность Audio Toolbox для text2speech и speech2text из File Exchange.

После установки функциональности «речь-текст» можно графически взаимодействовать с ней в приложении Audio Labeler, чтобы быстро пометить области речи.

Приложения

Audio LabelerОпределите и визуализируйте метки основной истины

Функции

Speech-to-Text Transcription
Text-to-Speech Conversion

Темы

Маркируйте аудио с помощью Audio Labeler

Интерактивно определите и визуализируйте метки основной истины для наборов данных аудиоданных.

Рекомендуемые примеры

Speech Command Recognition Using Deep Learning

Распознание речевых команд с использованием глубокого обучения

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

Открыть скрипт
Keyword Spotting in Noise Using MFCC and LSTM Networks

Определение ключевого слова в шуме с использованием сетей MFCC и LSTM

Идентифицируйте ключевое слово в шумной речи с помощью нейронной сети для глубокого обучения. В частности, в примере используются двунаправленная сеть долгой краткосрочной памяти (BiLSTM) и мел-частотные кепстральные коэффициенты (MFCC).

Открыть Live Script
Spoken Digit Recognition with Wavelet Scattering and Deep Learning

Распознавание разговорных цифр с вейвлет и глубоким обучением

Классифицируйте разговорные цифры с помощью как машинного, так и глубокого метода обучения. В примере вы выполняете классификацию, используя рассеяние вейвлета времени с помощью машины опорных векторов (SVM) и с помощью сети долгой краткосрочной памяти (LSTM). Вы также применяете байесовскую оптимизацию, чтобы определить подходящие гиперпараметры, чтобы улучшить точность сети LSTM. Кроме сложения, пример иллюстрирует подход, использующий глубокую сверточную нейронную сеть (CNN) и мел-частотные спектрограммы.

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

Обучите генеративную состязательную сеть (GAN) для синтеза звука

Обучите и используйте генеративную состязательную сеть (GAN), чтобы генерировать звуки.

Открыть скрипт
LPC Analysis and Synthesis of Speech

LPC-анализ и синтез речи

Используйте блоки Levinson-Durbin и Time-Variing Lattice Filter для передачи речи с низкой пропускной способностью, используя линейное прогнозирующее кодирование.

Откройте модель

Документация Audio Toolbox

Поддержка