Alguém sabe de um filtro para atenuar a não fala? Estou escrevendo um software de reconhecimento de fala e gostaria de filtrar tudo, exceto a fala humana. Isso inclui ruído de fundo, ruído produzido por um microfone ruim ou até música de fundo. Eu já implementei um filtro de primeira ordem que...
Enquanto procurava uma resposta para esse problema, encontrei este fórum, então decidi postar essa questão minha no Stack Overflow. Estou procurando um método para determinar a semelhança entre um segmento de áudio e uma voz humana, que é expressa numericamente. Pesquisei bastante, mas o que...
Considere os 4 seguintes sinais de forma de onda: signal1 = [4.1880 11.5270 55.8612 110.6730 146.2967 145.4113 104.1815 60.1679 14.3949 -53.7558 -72.6384 -88.0250 -98.4607] signal2 = [ -39.6966 44.8127 95.0896 145.4097 144.5878 95.5007 61.0545 47.2886 28.1277 -40.9720 -53.6246 -63.4821 -72.3029...
Essa é uma pergunta que me interessa há algum tempo, principalmente porque estou trabalhando na redução de ruído para um sistema de reconhecimento de fala existente. A maioria dos trabalhos sobre técnicas de redução de ruído parece focar em como tornar a fala mais inteligível para os seres humanos...
Meu problema é que eu não conheço a energia do ruído de fundo, então não posso simplesmente limitar a energia. O processamento é feito em tempo real e tenho cerca de 500 ms para decidir. Idealmente, eu gostaria que consoantes silenciosas fossem consideradas
Estou tentando usar a transformação Hough para detecção de borda e gostaria de usar imagens de gradiente como base. O que tem feito até agora, dada a imagem Ide tamanho [M,N]e seus derivados parciais gx, gy, é calcular o ângulo de inclinação em cada pixel como thetas = atan(gy(x,y) ./ gx. Da...
Eu sei que um Modelo de Markov Oculto (HMM) é usado no reconhecimento de fala e compreendo até certo ponto. No entanto, o que não sei é como a entrada (fala) é "transformada" em um vetor que mais tarde é usado no HMM. Como você obtém um vetor de uma entrada de som? Esse vetor é legível por um...
Eu estou tentando entender como o meu iPhone pode ouvir continuamente para mim dizendo Hey Siri, Alexa, Hey Cortanaou Okay Googlesem drenar rapidamente a minha bateria para baixo. Imaginei dois tipos de algoritmo. Um que registra uma fatia de tempo, como 10 ms de largura a cada 200 ms e executa...
Por favor, ajude-me a entender a suavização dos dados. Este é um acompanhamento da minha pergunta anterior postada aqui . Especialmente a principal resposta de Junuxx, onde ele diz que uma maneira de suavizar uma função é:f(x)f(x)f(x) f′[ t ] = 0,1 f[ t - 1 ] + 0,8 f[ t ] + 0,1 f[ t + 1...
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...