开始使用音频工具箱

音频工具箱™提供了音频处理工具,语音分析、和声学测量。它包括对音频信号处理算法(如均衡和动态范围控制)和声学测量(如脉冲响应估计、八度过滤和感知加权)。它还提供了音频和语音特征提取算法(MFCC和沥青等)和音频信号变换(如gammatone滤波器组和Mel-spaced谱图)。

工具箱应用支持住算法测试、金宝app脉冲响应测量、标记和音频信号。工具箱提供了流接口ASIO™, WASAPI, ALSA,和CoreAudio声卡和MIDI设备和工具用于生成和托管标准音频插件威仕特和音频等单位。

与音频工具箱可以导入,标签,和增强音频数据集,以及提取特征和转换信号对机器学习和深入学习。你可以通过流媒体实时音频处理算法原型低延迟音频同时调优参数和可视化的信号。你也可以把它变成一个音频插件验证算法的运行在外部主机应用程序,如数字音频工作站。插件主机允许您使用外部音频插件像普通对象处理MATLAB^®数组。声卡连接使您能够运行自定义测量真实的音频信号和音响系统。

教程

• 音频输入和音频输出
  

  从文件读取音频和写音频扬声器。

• 过程和分析流式音频
  

  创建一个实时处理音频试验台和适用。

• 实时音频在仿真软件金宝app
  

  使用仿真软件创建一个模型金宝app^®音频处理的模板和块。

• 使用深度学习分类的声音
  

  训练、验证和测试一个简单的长期短期记忆(LSTM)对声音进行分类。

• 设计一个音频插件
  

  创建一个简单的音频在MATLAB插件,然后使用它来生成一个威仕特插件。

关于音频插件

• 法是什么,音频插件和MIDI控制器吗?
  

  了解数字音频工作站的作用(法),音频插件和乐器数字接口(MIDI)控制器设计音频处理算法。

音频的深度学习和机器学习

• 介绍深学习音频应用程序
  

  学习常用工具和工作流应用深度学习音频应用程序。

特色的例子

测量音频延迟

衡量一个音频设备的延迟。示例使用audioLatencyMeasurementExampleApp反过来使用audioPlayerRecorder连同测试信号和交叉相关性来确定延迟。为了避免磁盘访问的干扰,测试信号加载到一个dsp。首先AsyncBuffer对象,框架流对象通过音频设备。

打开脚本

Delay-Based音频效果

设计和使用三个音频效果是基于不同延迟:呼应,合唱和镶边。示例还显示了该算法,在MATLAB开发的,可以很容易地移植到仿真软件。金宝app

打开脚本

八度频带声压测量

演示了如何测量声压水平的八度频带。一个用户界面(UI)使您可以尝试各种参数测量时显示。

开放的例子

视频

音频工具箱是什么?
设计和测试音频和音频处理系统工具箱。

介绍音频和语音应用程序的深度学习
创建或摄取数据集,提取特征,并使用统计和机器学习开发音频和语音分析工具箱,深度学习工具箱或其他机器学习工具。