ترجمه فارسی مقاله حذف کارآمد صدای تنفس مبتنی بر توجه در ضبط های صوتی استودیویی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Attention-Based Efficient Breath Sound Removal in Studio Audio Recordings
عنوان مقاله به فارسی حذف کارآمد صدای تنفس مبتنی بر توجه در ضبط های صوتی استودیویی
نویسندگان Nidula Elgiriyewithana, N. D. Kodikara
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Sound,Artificial Intelligence,Computer Vision and Pattern Recognition,Machine Learning,Audio and Speech Processing,صدا , هوش مصنوعی , چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین , پردازش صوتی و گفتار ,
توضیحات Submitted 7 September, 2024; originally announced September 2024. , Journal ref: CS & IT Conference Proceedings, vol. 14, no. 6, 2024
توضیحات به فارسی ارسال 7 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، مجله Ref: CS & IT Convention Processing ، Vol.14 ، نه.6 ، 2024
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In this research, we present an innovative, parameter-efficient model that utilizes the attention U-Net architecture for the automatic detection and eradication of non-speech vocal sounds, specifically breath sounds, in vocal recordings. This task is of paramount importance in the field of sound engineering, despite being relatively under-explored. The conventional manual process for detecting and eliminating these sounds requires significant expertise and is extremely time-intensive. Existing automated detection and removal methods often fall short in terms of efficiency and precision. Our proposed model addresses these limitations by offering a streamlined process and superior accuracy, achieved through the application of advanced deep learning techniques. A unique dataset, derived from Device and Produced Speech (DAPS), was employed for this purpose. The training phase of the model emphasizes a log spectrogram and integrates an early stopping mechanism to prevent overfitting. Our model not only conserves precious time for sound engineers but also enhances the quality and consistency of audio production. This constitutes a significant breakthrough, as evidenced by its comparative efficiency, necessitating only 1.9M parameters and a training duration of 3.2 hours - markedly less than the top-performing models in this domain. The model is capable of generating identical outputs as previous models with drastically improved precision, making it an optimal choice.

چکیده به فارسی (ترجمه ماشینی)

در این تحقیق ، ما یک مدل نوآورانه و کارآمد با پارامتر ارائه می دهیم که از معماری توجه U-NET برای تشخیص خودکار و ریشه کن کردن صداهای صوتی غیر گفتاری ، به ویژه صداهای تنفس ، در ضبط های صوتی استفاده می کند.این کار با وجود اینکه نسبتاً تحت تأثیر قرار گرفته است ، در زمینه مهندسی صدا از اهمیت ویژه ای برخوردار است.فرآیند دستی معمولی برای تشخیص و از بین بردن این صداها نیاز به تخصص قابل توجهی دارد و بسیار پر وقت است.روشهای تشخیص و حذف خودکار موجود اغلب از نظر کارایی و دقت کم می شوند.مدل پیشنهادی ما با ارائه یک فرآیند ساده و دقت برتر ، که از طریق استفاده از تکنیک های پیشرفته یادگیری عمیق حاصل می شود ، به این محدودیت ها می پردازد.یک مجموعه داده منحصر به فرد ، مشتق شده از دستگاه و گفتار تولید شده (DAPS) ، برای این منظور به کار گرفته شد.مرحله آموزش مدل بر طیف سنجی ورود به سیستم تأکید می کند و یک مکانیسم توقف زودرس را برای جلوگیری از بیش از حد ادغام می کند.مدل ما نه تنها زمان گرانبهایی را برای مهندسان صدا حفظ می کند بلکه باعث افزایش کیفیت و قوام تولید صدا می شود.این یک دستیابی به موفقیت قابل توجهی است ، همانطور که توسط راندمان مقایسه ای آن مشهود است ، فقط به پارامترهای 1.9 متر و مدت زمان آموزش 3.2 ساعت نیاز دارد - به طور قابل توجهی کمتر از مدل های برتر در این دامنه.این مدل قادر به تولید خروجی های یکسان مانند مدل های قبلی با دقت به شدت بهبود یافته است و آن را به یک انتخاب بهینه تبدیل می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.