Mel-frequency cepstrum
PulseAugur coverage of Mel-frequency cepstrum — every cluster mentioning Mel-frequency cepstrum across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Wav2Vec 2.0 模型可解释性用于病理性言语评估研究
研究人员调查了用于评估口腔癌和口咽癌患者病理性言语的 Wav2Vec 2.0 模型的可解释性。他们使用典型相关分析测量了模型嵌入与声学特征之间的相关性。研究发现，模型学习到的表征与频谱和韵律特征最相关，其中梅尔频率倒谱系数的第一阶在所有层中显示出最高的关联度。这项研究不仅有助于理解言语评估模型如何编码声学信息，还为在病理性言语分析中选择声学特征提供了实用见解。
-
新款AI模型利用语音和迁移学习解决中文方言鉴别问题 · 追踪4个来源
两篇新研究论文提出了区分中文方言的先进方法，这项任务由于文本数据有限而历来具有挑战性。一篇论文介绍了一种语音驱动的方法，使用梅尔频率倒谱系数（MFCC）和CNN-HMM-DNN模型从音频中识别方言。第二篇论文侧重于低资源场景，采用迁移学习和数据增强技术，并结合CDDTLDA框架和自注意力机制，以改进方言鉴别的自动语音识别。
-
新论文概述了微控制器的嵌入式机器学习工作流程
一篇新论文详细介绍了一个在微控制器上实现机器学习的全面工作流程，重点关注资源受限设备的工程挑战。它涵盖了数据采集、信号预处理、特征提取、模型验证以及设备端推理的部署策略。该研究以惯性运动识别和关键词识别为例，说明了稳健的嵌入式机器学习系统的实际设计规则。
-
新研究利用先进的AI模型解决欺骗语音检测问题
研究人员正在开发先进的方法来检测欺骗语音，由于逼真的合成和语音转换技术，这是一个日益严峻的挑战。一种方法是时间金字塔适配器（Temporal Pyramid Adapter），它使用具有不同感受野的并行时间卷积来捕获多尺度欺骗线索，并整合XLS-R等自监督表示。另一项研究推出了ArFake，这是第一个多方言阿拉伯语欺骗语音数据集，以解决该领域有限的研究。第三篇论文将自监督语音模型转换为专家混合（Mixture-of-Experts）架…
-
CNN 在印地语语音识别关键词识别中达到 91.79% 的准确率
研究人员开发了一种使用卷积神经网络 (CNN) 的印地语语音识别关键词识别系统。该系统在 40,000 个音频样本上进行了训练，并将梅尔频率倒谱系数 (MFCC) 作为 CNN 的输入。对各种 CNN 架构进行的实验表明，在识别连续印地语语音中的关键词方面，准确率达到了显著的 91.79%，强调了计算效率和用户特定定制。