音频工具箱
设计和分析语音，声学和音频处理系统
Audio Toolbox™提供音频处理、语音分析和声学测量工具。它包括处理音频信号(如均衡和时间延伸)的算法，估计音频信号度量(如响度和清晰度)，以及提取音频特征(如MFCC和音调)的算法。它还提供先进的机器学习模型，包括i-向量，和预先训练的深度学习网络，包括VGGish和CREPE。工具箱应用程序支持实时算法金宝app测试、脉冲响应测量和信号标记。工具箱提供了ASIO、CoreAudio和其他声卡的流接口;MIDI设备;以及用于生成和托管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。
您可以实时创建音频处理算法的原型，也可以通过将低延迟音频传输到声卡或从声卡传输来运行定制的声学测量。你可以验证你的算法，把它变成一个音频插件运行在外部主机应用程序，如数字音频工作站。插件托管让您使用外部音频插件作为常规MATLAB®对象。
开始：
与标准音频驱动程序的连接
使用标准音频驱动程序（如asio，wasapi，coreaudio和Alsa）读取和写入音频样本（如USB或Thunderbolt™）跨窗户®， 苹果®和Linux®操作系统。
预训练的深度学习模式
使用深度学习执行复杂的信号处理任务，提取音频嵌入与单行代码。访问已建立的预先训练的网络，如YAMNet、VGGish、CREPE和OpenL3，并在预先配置的特征提取函数的帮助下应用它们。
音频，语音和声学的特征提取
将信号转换为像MEL，BARK和ERB谱图等时频表示。计算抗谱系数，例如MFCC和GTCC，以及标量特征，例如音高，谐波和光谱描述符。使用预先培训的深度学习模型（VAGAD，OpenL3）和I载体系统提取高级功能和信号嵌入式。用兼容的GPU卡加速特征提取。
机器学习模型和训练食谱
用您的音频数据集列车最先进的机器学习。使用扬声器识别和验证等应用程序的建立的模型系统，例如i-vectors。从工作示例中学习如何为音频，语音和声学应用程序设计和培训高级神经网络和层。
在包括五种不同扬声器的语音信号上使用X载体获得的日记结果。
导入、注释和预处理音频数据集
读取，分区和预处理大集合音频录制。用应用程序手动向音频信号注释。使用预先训练的机器学习模型自动识别和分段区域区域。
音频标签应用程序中的兴趣区域标签。
具有框图的系统仿真
使用Simulink中的音频处理模块库设计和仿真系统模型金宝app®．使用交互式控件和动态绘图调整参数和可视化系统行为。
多频带动态范围压缩机模型的细节在simulink中。金宝app
通过用户界面进行实时参数调整
自动创建用户界面的可调参数的音频处理算法。使用Audio Test Bench应用程序测试单个算法，并使用自动生成的交互控件在运行程序中调整参数。
MIDI连接参数控制和消息交换
使用MIDI控制曲面交互式改变MATLAB算法的参数。通过发送和接收任何类型的MIDI消息来控制外部硬件或响应事件。
Matlab中写入MATLAB的MIDI消息和音频信号流量，用于乐器合成器。
基于标准的计量和分析
应用声压级(SPL)计和响度计记录或现场信号。用八度和分数八度滤波器分析信号。对原始记录应用符合标准的A-、C-或k -加权过滤器。测量声锐度、粗糙度和波动强度。
脉冲响应测量
用最大长度序列(MLS)和指数扫描正弦波(ESS)测量声学和音频系统的脉冲和频率响应。开始使用脉冲响应测量应用程序。通过编程生成激励信号和估计系统响应，实现自动化测量。
脉冲响应测量程序。
脉冲响应持续五秒钟或超过44100Hz的样本。
期望的声源位置和HRTF测量可用的最近角度的例子。
生成音频插件
直接从MATLAB代码生成VST插件，AU插件和独立的可执行插件，无需手动设计用户界面。对于更高级插件原型设计，生成即可建立的juce C ++项目（需要Matlab Coder™）。
多波段参数EQ示例:VST插件由MATLAB代码生成并在REAPER中运行。
托管外部音频插件
使用外部VST和AU插件作为常规MATLAB对象。更改插件参数和以编程方式处理MATLAB阵列。或者，使用用户界面和MIDI控件自动化插件参数的关联。从MATLAB代码生成的主机插件，以提高执行效率。
用于音频去噪（AccusOnus ERA-N）的外部VST插件示例和Matlab中的编程接口。
CPU和GPU目标的代码生成
用马斯沃斯®编码器产品，下载188bet金宝搏生成C和c++源代码从信号处理和机器学习算法提供的工具箱函数，对象，和块。生成CUDA的源代码从选择特征提取函数MFCC.和melSpectrogram．
用于基于深度学习的语音命令识别系统的ARM Cortex - A处理器的优化实现动态分析
低成本和移动设备
通过使用板载或外部多通道音频接口，Raspberry Pi™上的原型音频处理设计。创建交互式控制面板作为Android的移动应用程序®或iOS设备。
树莓派3板设计原型。
实现零延迟的系统
原型音频处理设计，具有用于自适应噪声控制，助听器验证或需要最小往返DSP延迟的其他应用程序的单模输入和输出。直接从Simulink型号自动定位SpeedGoat Audio Machines和ST发现板。金宝app
