Na maioria das tarefas de processamento de áudio, uma das transformações mais usadas é o MFCC (coeficientes cepstrais de frequência de mel) . Conheço principalmente a matemática que está por trás do MFCC: entendo tanto a etapa do banco de filtros quanto a escala de frequência Mel. O que não...
Eu tenho lido partes e peças on-line, mas não consigo juntar tudo. Eu tenho algum conhecimento de fundo de sinais / material DSP que deve ser pré-requisitos suficientes para isso. Estou interessado em eventualmente codificar esse algoritmo em Java, mas ainda não o entendo completamente, e é por...
Estou tentando extrair recursos de um arquivo de som e classificá-lo como pertencendo a uma categoria específica (por exemplo: latido de cachorro, motor de veículo etc.). Gostaria de esclarecer as seguintes coisas: 1) Isso é factível? Existem programas que reconhecem a fala e diferenciam...
Alguém pode explicar sobre a Normalização Média Cepstral, como a propriedade de equivalência da convolução afeta isso? É necessário fazer o CMN no reconhecimento de alto-falante baseado em MFCC? Por que a propriedade da convolução é a necessidade fundamental do MFCC? Eu sou muito novo neste...
Esta é uma continuação da discussão aqui . Gostaria de comentar lá, mas não tenho 50 representantes, por isso estou fazendo uma nova pergunta. Eis como entendo a etapa DCT no processo de cálculo do MFCC: A lógica por trás disso é separar a correlação nas magnitudes log-espectrais (do banco de...
Estou tentando comparar duas amostras de fala e classificá-las em semelhanças. Pense em alguém tentando repetir uma frase e depois compare esses 2 arquivos de áudio. Comecei implementando o algoritmo MFCC (http://en.wikipedia.org/wiki/Mel-frequency_cepstrum). Calculo os MFCCs de ambas as amostras...
Eu tenho um bloco de áudio e realizei uma FFT nele. Agora, o que eu quero fazer é converter essa FFT em um conjunto de MFCCs, no entanto, embora eu saiba que preciso fazer algo com a ponderação das amostras de FFT com base em um conjunto de filtros triangulares, eu realmente não tenho idéia do que...
Estou estudando reconhecimento de fala, em particular o uso do MFCC para extração de recursos. Todos os exemplos que encontrei on-line tendem a representar graficamente uma série de MFCC extraídos de uma expressão específica da seguinte forma (gráfico gerado por mim a partir do software que estou...