Preguntas etiquetadas con speech-recognition

¿Alguien sabe de un filtro para atenuar la no voz? Estoy escribiendo un software de reconocimiento de voz y me gustaría filtrar todo menos el habla humana. Esto incluiría ruido de fondo, ruido producido por un micrófono sucio o incluso música de fondo. Ya he implementado un filtro de primer …

17 filters  audio  noise  speech-recognition 

Mientras buscaba una respuesta a este problema, encontré este tablero, así que decidí publicar esta pregunta mía en Stack Overflow. Estoy buscando un método para determinar la similitud entre un segmento de audio y una voz humana, que se expresa numéricamente. He buscado bastante, pero lo que he encontrado hasta …

12 audio  algorithms  speech-recognition 

Esta es una pregunta que me ha interesado desde hace algún tiempo, principalmente porque estoy trabajando en la reducción de ruido para un sistema de reconocimiento de voz existente. La mayoría de los documentos sobre técnicas de reducción de ruido parecen centrarse en cómo hacer que el habla sea más …

10 noise  speech-recognition  speech-processing  noise-cancellation 

Considere las 4 siguientes señales 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 

Mi problema es que no conozco la energía del ruido de fondo, así que no puedo limitar la energía. El procesamiento se realiza en tiempo real, y tengo unos 500 ms para decidir. Idealmente, me gustaría que las consonantes silenciosas se consideren no silenciosas.

9 audio  speech-recognition 

Estoy tratando de usar la transformación Hough para la detección de bordes, y me gustaría usar imágenes de gradiente como base. Lo que he hecho hasta ahora, dada la imagen Ide tamaño [M,N]y sus derivadas parciales gx, gy, consiste en calcular el ángulo de pendiente en cada píxel como thetas …

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 

Estoy tratando de entender cómo mi iPhone puede escuchar continuamente para mí diciendo Hey Siri, Alexa, Hey Cortanao Okay Googlesin agotar rápidamente la batería de mi hacia abajo. Me imaginé dos tipos de algoritmo. Uno que registra un segmento de tiempo como segmentos de 10 ms de ancho cada 200 …

8 sound  speech-recognition  voice 

Sé que se utiliza un modelo oculto de Markov (HMM) en el reconocimiento de voz y lo entiendo hasta cierto punto. Sin embargo, lo que no sé es cómo la entrada (voz) se "transforma" en un vector que luego se usa en HMM. ¿Cómo se obtiene un vector de una …

8 speech-recognition 

Estoy estudiando el reconocimiento de voz, en particular el uso de MFCC para la extracción de características. Todos los ejemplos que he encontrado en línea tienden a graficar una serie de MFCC extraídos de un enunciado particular de la siguiente manera (gráfico generado por mí desde el software que estoy …

7 speech-recognition  mfcc  visualization  feature-extraction 

Por favor, ayúdame a entender el suavizado de datos. Este es un seguimiento de mi pregunta anterior publicada aquí . Especialmente la respuesta principal de Junuxx, donde dice que una forma de suavizar una función es:F( x )f(x)f(x) F′[ t ] = 0.1 f[ t - 1 ] + 0.8 …

7 speech-recognition  smoothing  speech