Речевая запись и синтез

Используйте сторонние API для текста к речи и речи в тексте

Audio Toolbox™ обеспечивает примеры для распознавания маленького словаря и синтеза звука. Чтобы выполнить общий текст к речи и речь в тексте, Audio Toolbox обеспечивает интерфейсы к популярным сторонним API. Поддерживаемые API включают Google® Речь, IBM® Речь Уотсона и Microsoft® Речь Azure. Чтобы использовать эту функциональность, необходимо загрузить расширенную функциональность Audio Toolbox для text2speech и speech2text от Обмена файлами.

Если вы устанавливаете функциональность речи в тексте, можно взаимодействовать с нею графически в приложении Audio Labeler, чтобы быстро пометить области речи.

Приложения

Audio LabelerЗадайте и визуализируйте метки основной истины

Функции

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

Темы

Маркируйте Audio Using Audio Labeler

В интерактивном режиме задайте и визуализируйте метки основной истины для аудио наборов данных.

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
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 частоту mel cepstral коэффициенты (MFCC).

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
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
LPC Analysis and Synthesis of Speech

Анализ LPC и синтез речи

Используйте Левинсона-Дербина и Изменяющиеся во времени блоки Фильтра Решетки для передачи низкой полосы пропускания речи с помощью линейного предсказательного кодирования.

Открытая модель

Документация Audio Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте