小智..
6
你想用它来进行语音处理吗?如果是,最好的方法是使用MSR Identity Toolkit.该工具包由Omid Sadjadi博士担任微软研究员.他指导我如何使用它.(你也需要Voicebox).下面是一个示例代码片段,您可以使用它从wav文件中的语音文件中提取MFCC(假设16 kHz采样率):
addpath('path_to_voicebox');
addpath('path_to_identity_toolbox');
[s, fs] = wavread(speechFilename);
fL = 100.0/fs;
fH = 8000.0/fs;
fRate = 0.010 * fs;
fSize = 0.025 * fs;
nChan = 27;
nCeps = 12;
premcoef = 0.97;
s = rm_dc_n_dither(s, fs);
s = filter([1 -premcoef], 1, s);
mfc = melcepst(s, fs, '0dD', nCeps, nChan, fSize, fRate, fL, fH);
mfc = cmvn(mfc', true);
writehtk(featureFilename, mfc', 100000, 9);
上述代码从预先强调的语音信号中提取39维MFCC,然后均值和方差对特征进行归一化,最后以HTK格式将它们写入磁盘.请注意,这只是一个示例代码,您可以根据需要/资源修改此代码."rm_dc_n_dither"和"cmvn"这两个函数来自Identity Toolbox.Voicebox和Identity Toolbox都应该在MatLab路径中(参见上面代码的前两行).对于语音活动检测(VAD),您可以使用Voicebox中的"vadsohn"功能,以10 ms帧跳跃率输出帧级决策(0表示静音,1表示语音).
从数据库中提取功能后,您可以按照Identity Toolbox提供的gmm_ubm_demo中的步骤来训练UBM模型.
如果您想在TIMIT上复制我们的演示结果,您可以从以下地址下载列表文件(不包括在工具箱中):
http://www.utdallas.edu/~sadjadi/lists.tar.gz
这很容易,你用普通的电脑做.
问候Mohammad Karaminejad karaminejad@gmail.com