Audio Toolbox™提供音频处理,语音分析和声学测量的工具。它包括用于处理音频信号的算法,例如均衡和时间拉伸,估计诸如响度和清晰度的声学信号度量,以及提取诸如MFCC和音调的音频特征。它还提供先进的机器学习模型,包括i-vectors,以及预先覆盖的深度学习网络,包括vgggish和crepe。工具箱应用支持实时算法测试金宝app,脉冲响应测量和信号标记。该工具箱为Asio™,Coreaudio和其他声卡提供流媒体接口;MIDI设备;和用于生成和托管VST和音频单元插件的工具。
使用Audio Toolbox您可以导入,标签和增强音频数据集,以及培训机器学习和深度学习模型的提取功能。提供的预先训练的型号可以应用于高级语义分析的音频录制。
您可以实时原型音频处理算法,或通过将低延迟音频传输到声卡来运行定制声学测量。您可以通过将其转换为音频插件来验证您的算法,以在外部主机应用程序(如数字音频工作站)中运行。插件托管让您使用外部音频插件作为常规MATLAB®对象。
从文件读取音频并将音频写入扬声器。
创建音频测试台并应用实时处理。
使用Simulink创建模型金宝app®音频处理模板和块。
列车,验证,并测试一个简单的长短期内存(LSTM)来分类声音。
使用转移学习培训yamnet,预先覆盖的卷积神经网络(CNN),用于对新的一组音频信号进行分类。
在MATLAB中创建一个简单的音频插件,然后使用它来生成VST插件。
了解数字音频工作站(DAWS),音频插件和乐器数字接口(MIDI)控制器在设计音频处理算法时的作用。
了解公共工具和工作流以应用深度学习到音频应用程序。