深度学习应用于音频和语音处理应用程序通过使用深度学习工具箱™与音频工具箱™。对于信号处理应用程序,看看使用深度学习信号处理。应用在无线通信中,看到的无线通讯使用深度学习。
音频贴标签机 | 定义和真实可视化标签 |
ivectorSystem |
创建矢量i系统 |
绉 |
绉神经网络 |
crepePreprocess |
预处理音频绉深度学习网络 |
crepePostprocess |
后处理绉深入学习网络的输出 |
pitchnn |
与深度学习神经网络估计音高 |
openl3 |
OpenL3神经网络 |
openl3Preprocess |
预处理对OpenL3音频特征提取 |
openl3Features |
提取OpenL3特性 |
audioDatastore |
数据存储的音频文件的集合 |
audioDataAugmenter |
增加音频数据 |
audioFeatureExtractor |
简化音频特征提取 |
vggishPreprocess |
预处理对VGGish音频特征提取 |
vggishFeatures |
提取VGGish特性 |
vggish |
VGGish神经网络 |
yamnet |
YAMNet神经网络 |
yamnetPreprocess |
预处理对YAMNet音频分类 |
yamnetGraph |
图YAMNet AudioSet本体 |
classifySound |
在音频信号进行分类 |
介绍深学习音频应用程序(音频工具箱)
学习常用工具和工作流应用深度学习音频应用程序。
使用深度学习分类的声音(音频工具箱)
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。
学习与Pretrained音频网络传输(音频工具箱)
使用转移学习再教育YAMNet, pretrained卷积神经网络(CNN),对一套新的音频信号进行分类。
说话者识别使用自定义SincNet层更深的学习(音频工具箱)
使用一个自定义执行语音识别实现mel-scale过滤器银行深度学习层。
Dereverberate演讲使用深度学习网络(音频工具箱)
火车深学习模型,消除混响演讲。
语音命令识别模型金宝app(音频工具箱)
检测存在的语音命令使用仿真软件音频金宝app®模型。