FYRIRTÆKI AUDIO flokkun vísar til tækni við að flokka hljóðgögn í ákveðna flokka, sem er mikið notað í talþekkingu, tónlistarupplýsingum, öryggiseftirliti og öðrum sviðum. Grundvallarreglur þess og skref fela í sér forvinnslu, útdrátt, flokkunarþjálfun og ákvörðun um flokkun osfrv.
Grunnreglur og skref í hljóðflokkun
Forframleiðsla: þ.mt sýnatöku, magngreining, síun og önnur aðgerð hljóðmerki til að bæta gæði og merki-til-hávaða hlutfall merkja. Algengar aðferðir fyrirframvinnslu fela í sér tíðni lénssíun og aðlagandi síun.
Útdráttur af útdráttum: Með því að greina hljóðmerki eru lykilupplýsingar sem endurspegla einkenni þess og flokka dregnar út. Algengir eiginleikar fela í sér tímabundna eiginleika (svo sem skammtímaorku og núll yfirhraða), tíðni lénsaðgerðir (svo sem litróf) og cepstrum eiginleikar (svo sem MEL tíðni cepstrum stuðlar).
Classifier Training: Notaðu vélanám eða djúp námslíkön til þjálfunar. Algengar gerðir fela í sér stuðningsvektorvélar, handahófi skóga, taugakerfi og endurkvæma taugakerfi osfrv.
Ákvörðun flokkunar : Flokkaðu ný hljóðgögn í samræmi við þjálfaða líkanið.
Algengar atburðarásar
Voice Tilfinningaflokkun : Þekkja tilfinningar í tali, svo sem hamingju, sorg, reiði osfrv. .
Voice Command flokkun : Þekkja sérstakar raddskipanir, svo sem „Kveiktu á sjónvarpinu“, „Spilaðu tónlist“ osfrv.
Speaker flokkun: Þekkja mismunandi hátalara.
Mismunun á ónæmisstíl: Þekkja tónlistarstíla, svo sem klassískt, djass, rokk osfrv.
Language Mismunun: Þekkja mismunandi tungumál eða mállýskum.
Matsvísar
Matið vísbendingar um reiknirit fyrir hljóðflokkun fela í sér nákvæmni, innköllun og F1 stig. Nákvæmni endurspeglar hlutfall sýnanna sem flokkað er rétt af flokkuninni í heildarsýnin, innköllun endurspeglar hlutfall jákvæðra sýna sem flokkað er af flokkanum í öll jákvæð sýni og F1 stig er harmonískt meðaltal nákvæmni og innköllunar, sem getur endurspeglað árangur flokksins.
Dec 18, 2024
Fagleg hljóðflokkun
Hringdu í okkur