通过使用深度学习工具箱™和音频工具箱™,将深度学习应用于音频和语音处理应用。有关信号处理应用,请参阅利用深度学习进行信号处理.有关无线通讯的应用,请参阅使用深度学习的无线通信.
音频贴标机 | 定义和可视化地面真相标签 |
驱动系统 |
创建i向量系统 |
绉纱 |
绉纱神经网络 |
绉纱再加工 |
绉纱深度学习网络的音频预处理 |
crepePostprocess |
绉纱深度学习网络的后处理输出 |
pitchnn |
基于深度学习神经网络的基音估计 |
openl3 |
OpenL3神经网络 |
OpenL3预处理 |
用于OpenL3特征提取的音频预处理 |
openl3Features |
提取OpenL3功能 |
音频数据存储 |
用于收集音频文件的数据存储 |
音频数据增强器 |
增加音频数据 |
音频特征提取器 |
流线型音频特征提取 |
VGG预处理 |
用于VGGish特征提取的音频预处理 |
VGISH特性 |
提取VGGish特征 |
VGISH |
VGISH神经网络 |
yamnet |
YAMNet神经网络 |
YAMNET预处理 |
预处理音频,用于YAMNet分类 |
阴阳图 |
YAMNet音频集本体图 |
分类声音 |
音频信号中的声音分类 |
音频应用的深度学习简介(音频工具箱)
了解将深度学习应用于音频应用程序的常用工具和工作流。
使用深度学习对声音进行分类(音频工具箱)
训练、验证和测试一个简单的长-短期记忆(LSTM)来分类声音。
基于预训练音频网络的迁移学习(音频工具箱)
使用迁移学习来重新训练YAMNet,一个预先训练的卷积神经网络(CNN),对一组新的音频信号进行分类。
基于自定义SincNet层和深度学习的说话人识别(音频工具箱)
使用实现mel比例滤波器组的自定义深度学习层执行语音识别。
使用深度学习网络消除语音冗余(音频工具箱)
训练一个深度学习模型,消除语音中的混响。
Simulink中的语音命令识别金宝app(音频工具箱)
使用Simulink检测音频中是否存在语音命令金宝app®模型