Perguntas com a marcação «speech-recognition»

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 …

17 filters  audio  noise  speech-recognition 

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 encontrei até agora (detalhado abaixo) …

12 audio  algorithms  speech-recognition 

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 ou …

10 noise  speech-recognition  speech-processing  noise-cancellation 

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 -74.8313 -77.8124] signal3 = [-225.5691 -192.8458 -145.6628 151.0867 172.0412 172.5784 …

10 computer-vision  frequency-spectrum  autocorrelation  speech-recognition 

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 não-silêncio.

9 audio  speech-recognition 

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) ./ …

9 image-processing  edge-detection  image-processing  computer-vision  image-registration  discrete-signals  noise  bpsk  snr  demodulation  bpsk  multipath  synchronization  timing  image-processing  filters  algorithms  edge-detection  sampling  demodulation  bpsk  synchronization  timing  fft  fourier-transform  delay  audio  speech-recognition  soft-question  discrete-signals  discrete-signals  autocorrelation  frequency  computer-vision 

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 …

8 speech-recognition 

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 …

8 sound  speech-recognition  voice 

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 escrevendo): Como você …

7 speech-recognition  mfcc  visualization  feature-extraction 

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[ …

7 speech-recognition  smoothing  speech