声明:平时看些文章做些笔记分享出来,文章中难免存在错误的地方,还望大家海涵。搜集一些资料,方便查阅学习:http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html,语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg)。如有转载,请注明出处。欢迎关注微信公众号:低调奋进。
Shennong: a Python toolbox for audio speech features extraction
本文为EHESS, ENS, PSL Research University, CNRS and Inria和facebook在2021.12.10更新的文章,主要开源语音特征处理的工具shennong(名字取自中国神话传说的神农),具体的文章链接
https://arxiv.org/pdf/2112.05555.pdf
1 背景
语音领域的语音合成、说话人识别、语音识别等等任务都需要对语音进行提取。目前,比较流行语音处理工具有kaldi,Praat,OpenSILE以及Surfboard,但这些工具或多或少存在用户使用不够友好,只使用特殊领域的特点,因此本文提供了一种用户友好、可靠的音频处理工具。
2 详细设计
本文提供的工具取名shennong,其使用python进行算法实现,其主要提供的算法如图一所示,除了kaldi实现的算法,本文增加更多SOTA的算法,其中每种特征的默认参数如table 1所示。table 2展