![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
语音情感识别
buchidanhuanger
Department of Computer Science,Central China Normal University,Wuhan,China.
展开
-
语音特征工程:梅尔频率倒谱系数(MFCC)
对于原始的语音信号,我们不能也没有必要使用其全部的信息,而只需利用其主要特征即可。换言之,我们需要把音频信号中具有辨识性的成分提取出来,然后把其他的乱七八糟的信息扔掉,例如背景噪声,无关信息等等。 人通过声道产生声音,声道的shape(形状?)决定了发出怎样的声音。声道的shape包括舌头,牙齿等。如果我们可以准确的知道这个形状,那么我们就可以对产生的音素(phoneme)进行准确的描述...转载 2019-07-30 19:11:35 · 2291 阅读 · 1 评论 -
音频数据扩充
在机器学习任务中,存在数据集类别失衡的情况,那么解决类别失衡的方法是1.上采样即:扩充样本较少的类数据直到跟样本多的类差不多为止;或者用下采样即:在样本多的类中随机剔除部分数据。 针对上采样的话,在图像领域可以有的操作是:平移、旋转、加噪等,在语音领域可以有的操作是裁剪、旋转、调音、加噪。 1. 裁剪(clip):即截取音频段# 将原始视频裁剪20simport librosaf...原创 2019-08-01 13:08:43 · 1656 阅读 · 2 评论