參考 【librosa】及其在音頻處理中的應用 librosa官方文檔 liborosa源碼 Overview: module code log-spectr ...

簡稱SD，顧名思義，在采集的語音信號流中，分辨出不同說話人的說話時長並標注，即以時間為索引，檢測出每段語音所對應的說話人身份，其通常由說話人分割和聚類兩步組成。 參照2010年8月的文獻[1]中的一 ...

說話人識別（Speaker Recognition，SR），又稱聲紋識別（Voiceprint Recognition,VPR），顧名思義，即通過聲音來識別出來“誰在說話”。語音識別（Automati ...

引言 感知實驗表明，人耳對於聲音信號的感知聚焦於某一特定頻率區域內，而非在整個頻譜包絡中。耳蝸的濾波作用是在對數頻率尺度進行的，在1000Hz以下為線性，在1000Hz以上為對數，這就使得人耳對低頻 ...

前面幾篇主要內容出自微軟官方，經我特意修改的案例的文章： 使用ML.NET實現情感分析[新手篇] 使用ML.NET預測紐約出租車費 .NET Core玩轉機器學習 使用ML.NET實現情感分析 ...

概述 參考 sklearn.mixture: Gaussian Mixture Models 高斯混合模型（GMM）源代碼實現（二） A Gaussian Mix ...

文章[1]主要針對的是語句長度不定，含有不相關信號的說話人識別。 深度網絡設計的關鍵在於主干(幀級)網絡的類型【the type of trunk (frame level) network】和有時 ...

持續更新中。 基礎 語音合成（Text To Speech，TTS），將文字轉化為語音的一種技術。 語音合成技術 - 知乎 (zhihu.com) 論文推介：Glow-WaveGAN—學習 ...