数据增加

增加管道、改变音高和时间、延伸时间、控制体积和噪音

放大音频数据集创建自定义增加管道具体的音频,如音高变化,随着时间的转移,伸展。使用audioDataAugmenter对象执行的组合扩增概率或确定性和串联或并联。的audioDataAugmenter对象还使您可以定义自己的自定义对应。

对象

`audioDataAugmenter`	增加音频数据
`audioTimeScaler`	时间扩展应用于流式音频

`shiftPitch`	转换音频音调
`stretchAudio`	Time-stretch音频

识别关键字在嘈杂的演讲中使用深度学习网络。特别是,示例使用双向长短期记忆(BiLSTM)网络和mel频率cepstral系数(MFCC)。

打开生活的脚本

演示了一个简单的语音情感识别系统(SER)使用BiLSTM网络。你先下载数据集训练网络,然后测试单个文件。网络训练小德语数据库[1]。

打开生活的脚本

创建一个多模型融合声场景识别系统。火车的例子使用梅尔卷积神经网络(CNN)谱图并使用小波散射一个分类器。图坦卡蒙的例子使用了数据集的训练和评估[1]。

打开脚本

时频掩蔽的过程是将权重应用于提高时频表示的垃圾箱,减少或孤立的部分音频。

打开生活的脚本

火车深学习模型,消除混响演讲。

打开生活的脚本

开发一个深度学习模型来检测故障的空气压缩机和包系统操作流数据。

打开生活的脚本