1. 概述 语音是人类之间沟通交流的最直接也是最快捷方便的一种手段，而实现人类与计算机之间畅通无阻的语音交流，一直是人类追求的一个梦想。 伴随着移动智能设备的普及，各家移动设备的厂家也开始在自家的设备上集成了语音识别系统，像Apple Siri、Microsoft Cortana、Google No ...
分类：
编程语言 时间：
2019-09-28 12:27:04
阅读次数：
139
梅尔倒谱系数（MFCC） 梅尔倒谱系数（Mel-scale FrequencyCepstral Coefficients，简称MFCC）。依据人的听觉实验结果来分析语音的频谱， MFCC分析依据的听觉机理有两个 第一Mel scale：人耳感知的声音频率和声音的实际频率并不是线性的，有下面公式 $$ ...
分类：
编程语言 时间：
2019-09-21 10:58:54
阅读次数：
2323
错误在于mfcc是已经定义的函数，所以变量名改为wav_mfcc，问题就解决了。 参考博客： https://blog.csdn.net/Olaking/article/details/43199003 ...
分类：
其他好文 时间：
2019-09-20 19:15:54
阅读次数：
73
除了调用FFmpeg来做多媒体开发，另一方面，是对音频特征进行研究。有很多具体的音频特征，比如频率、振幅、节拍（bpm）、过零率、短时能量、MFCC等，在很多时候，提取这些特征是进一步分析音频的基础。 如果你想对音频进行一个分类，比如分出快慢歌、分出爵士跟hiphop、分出钢琴与吉他、分出男高音与鸟 ...
分类：
编程语言 时间：
2019-06-24 16:57:16
阅读次数：
879
Python 处理 ASR（语音识别） 相关包：python_speech_features 这个库提供了一般的用于ASR（语音识别）的语音特征，他包含了MFCCs（梅尔倒谱系数）和 filterbank energies（滤波器组能量？）。 MFCC相关教程：http://www.practica ...
分类：
编程语言 时间：
2019-01-05 10:46:37
阅读次数：
451
在语音识别（SpeechRecognition）和话者识别（SpeakerRecognition）方面，最常用到的语音特征就是梅尔倒谱系数(Mel-scaleFrequency Cepstral Coefficients)，简称MFCC，根据人耳听觉机理的研究发现，人耳对不同频率的声波有不同的听觉敏... ...
分类：
编程语言 时间：
2018-11-03 02:03:19
阅读次数：
347
[toc] 最小语音识别模型 输入 音频特征向量，共计26维的mfcc特征向量 为了使神经网络能够统一格式，将[batch_size, time_step, 26]中的time_step定为一个较大的值，如果实际时长不足，采用补零的方法补齐 输出 输出为一个[batch_size, words_le ...
分类：
其他好文 时间：
2018-08-24 00:28:43
阅读次数：
971
在机器学习这个领域，尤其是做多媒体（声音、图像、视频）相关的机器学习方法研究，会涉及很多特征、分类模型（分类任务）的选择。以声音识别为例，常见的特征有MFCC、LPCC、spectrogram-likefeatures等，分类模型就很多了，有传统的分类模型SVM、KNN、RandomForest，还有现在比较火的深度模型DNN、CNN、RNN等。而往往单特征、单模型很难取得理想的性能（perfor
分类：
其他好文 时间：
2018-08-09 15:40:32
阅读次数：
281
一、人工智能 从LeNex手写数字识别，AlexNet图像识别，到无人驾驶汽车，再到Alpha Go、Alpha Go Zero的横空出世，人工智能无疑已经成为了当下科技的大热。那么什么是人工智能呢？直白点，人工智能就是让机器拥有人的智能。科学家们为了让机器拥有智能，从人是如何识别、思考、解决问题的 ...
分类：
编程语言 时间：
2017-11-09 20:50:53
阅读次数：
277
一、语音特征 对于语音识别来说，好的语音特征应该： 包含区分音素的有效信息：良好的时域分辨率，良好的频域分辨率； 分离基频F0以及它的谐波成分； 对不同说话人具有鲁棒性； 对噪音或信道失真具有鲁棒性； 有着良好的模式识别特性：低维特征，特征独立（GMM需，NN无需）。 二、提取MFCC特征的整体流程 ...
分类：
其他好文 时间：
2017-09-20 21:57:08
阅读次数：
264
