Audio and Speech Processing,Machine Learning,پردازش صوتی و گفتار , یادگیری ماشین ,
توضیحات
Submitted 25 August, 2024; originally announced August 2024. , Comments: 13 pages, 6 figures, submitted to "Circuits, Systems, and Signal Processing" , Journal ref: Joysingh, S.J., Vijayalakshmi, P. & Nagarajan, T. Quartered Spectral Envelope and 1D-CNN-Based Classification of Normally Phonated and Whispered Speech. Circuits Syst Signal Process 42, 3038-3053 (2023)
توضیحات به فارسی
ارسال شده 25 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 13 صفحه ، 6 شکل ، ارسال شده به "مدارها ، سیستم ها و پردازش سیگنال" ، مجله Ref: Joysingh ، S.J. ، Vijayalakshmi ، P. & Nagarajan ، T. پاکت طیف چهارم و 1d-cnn-طبقه بندی مبتنی بر گفتار معمولی آوایی و زمزمه.فرآیند سیگنال Circuits Syst 42 ، 3038-3053 (2023)
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Whisper, as a form of speech, is not sufficiently addressed by mainstream speech applications. This is due to the fact that systems built for normal speech do not work as expected for whispered speech. A first step to building a speech application that is inclusive of whispered speech, is the successful classification of whispered speech and normal speech. Such a front-end classification system is expected to have high accuracy and low computational overhead, which is the scope of this paper. One of the characteristics of whispered speech is the absence of the fundamental frequency (or pitch), and hence the pitch harmonics as well. The presence of the pitch and pitch harmonics in normal speech, and its absence in whispered speech, is evident in the spectral envelope of the Fourier transform. We observe that this characteristic is predominant in the first quarter of the spectrum, and exploit the same as a feature. We propose the use of one dimensional convolutional neural networks (1D-CNN) to capture these features from the quartered spectral envelope (QSE). The system yields an accuracy of 99.31% when trained and tested on the wTIMIT dataset, and 100% on the CHAINS dataset. The proposed feature is compared with Mel frequency cepstral coefficients (MFCC), a staple in the speech domain. The proposed classification system is also compared with the state-of-the-art system based on log-filterbank energy (LFBE) features trained on long short-term memory (LSTM) network. The proposed system based on 1D-CNN performs better than, or as good as, the state-of-the-art across multiple experiments. It also converges sooner, with lesser computational overhead. Finally, the proposed system is evaluated under the presence of white noise at various signal-to-noise ratios and found to be robust.
چکیده به فارسی (ترجمه ماشینی)
زمزمه ، به عنوان نوعی گفتار ، به اندازه کافی توسط برنامه های گفتار اصلی مورد توجه قرار نمی گیرد.این به این دلیل است که سیستم های ساخته شده برای گفتار عادی همانطور که برای گفتار زمزمه انتظار می رود ، کار نمی کنند.اولین قدم برای ساختن برنامه گفتاری که شامل گفتار زمزمه شده است ، طبقه بندی موفقیت آمیز گفتار زمزمه شده و گفتار عادی است.انتظار می رود چنین سیستم طبقه بندی جلویی دارای دقت بالایی و سربار محاسباتی پایین باشد که دامنه این مقاله است.یکی از ویژگی های گفتار زمزمه ، عدم وجود فرکانس اساسی (یا زمین) و از این رو هارمونیک های زمین نیز هست.حضور هارمونیک های زمین و زمین در گفتار عادی و عدم حضور آن در گفتار زمزمه ، در پاکت طیفی تبدیل فوریه مشهود است.ما مشاهده می کنیم که این ویژگی در سه ماهه اول طیف غالب است و از همان ویژگی بهره برداری می کند.ما استفاده از شبکه های عصبی یک بعدی (1D-CNN) را برای گرفتن این ویژگی ها از پاکت طیفی چهارچوب (QSE) پیشنهاد می کنیم.این سیستم هنگام آموزش و آزمایش در مجموعه داده های WTIMIT و 100 ٪ در مجموعه داده های زنجیره ای ، دقت 99.31 ٪ را به دست می آورد.ویژگی پیشنهادی با ضرایب Cepstral فرکانس MEL (MFCC) ، اصلی در دامنه گفتار مقایسه می شود.سیستم طبقه بندی پیشنهادی همچنین با سیستم پیشرفته و مبتنی بر Log-Filterbank Energy (LFBE) که در شبکه حافظه کوتاه مدت (LSTM) آموزش دیده است ، مقایسه می شود.سیستم پیشنهادی مبتنی بر 1D-CNN بهتر از یا به همان اندازه خوب ، پیشرفته ترین در آزمایشات مختلف است.همچنین زودتر با سربار محاسباتی کمتری همگرا می شود.سرانجام ، سیستم پیشنهادی تحت حضور نویز سفید در نسبت های مختلف سیگنال به نویز ارزیابی می شود و به نظر می رسد قوی است.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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