实体
log-mel spectrograms
log-mel spectrograms
PulseAugur coverage of log-mel spectrograms — every cluster mentioning log-mel spectrograms across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新AI模型可实现语音强度连续控制
研究人员开发了一种新颖的语音强度转换方法，该方法通过对抗性训练实现了对声压级（SPL）的连续控制。这种方法超越了离散类别或参考发音，使用户能够在连续的dB尺度上指定目标声压级。该系统采用了一个轻量级转换器，该转换器作为条件循环一致GAN进行训练，并修改来自冻结语音编码器的特征。在使用WavLM特征时，转换器成功实现了目标强度变化的83%，并影响了基频，感知评估证实了感知语音强度的增加。
-
未训练深度水库网络在音频监控方面展现出潜力
研究人员探索了用于音频监控的未训练深度水库网络，特别是双向回声状态网络。在MIVIA音频事件数据集上，针对不同噪声水平下的紧急声音事件检测对这些模型进行了评估。研究发现，更深的水库网络在嘈杂条件下表现更好，而更浅的网络效率更高，适合NVIDIA Orin等边缘设备。该方法在对数梅尔频谱图和MFCCs等不同输入表示下均表现出鲁棒性。
-
深度学习模型改进哮喘/COPD肺音诊断
研究人员开发了深度学习模型，特别是CNN和GRU，利用肺音数据来区分哮喘和COPD。该研究优化了MFCC矩阵和对数梅尔频谱图等输入表示，发现MFCC更优。自适应长度窗口对于处理频谱图中不一致的时间维度至关重要，从而在基于周期的F1分数上达到0.877，在基于主体的F1分数上达到0.855。