- 博客(5)
- 收藏
- 关注
RSS订阅原创 音频的预处理
1分帧语音信号为短时平稳信号，取一小段可以看做是平稳的所以要加窗，并且相邻两帧之间有一部分重叠原因是：语音信号是时变的，在短时范围内特征变化较小，所以作为稳态来处理;但超出这短时范围语音信号就有变化了。在相邻两帧之间基音发生了变化,如正好是两个音节之间, 或正好是声母向韵母过渡,等等,这时,其特征参数有可能变化较大,但为了使特征参数平滑地变化,在两个不重叠的帧之间插一些帧来提取特征参数,这就形成了相邻帧之间有重叠部分，傅里叶变换要求输入的信号是平稳的。总帧数=audio_length//hop_le
2021-02-25 23:03:09
1670
3
原创 pytorch中的一些函数
pytorch中的一些函数：1.储存模型的一些函数model.parameters()与model.state_dict()是Pytorch中用于查看网络参数的方法。一般来说，前者多见于优化器的初始化，例如：后者多见于模型的保存，如：2.torch.nn.util.rnn.pad_sequence()参考：https://www.cnblogs.com/yuqinyuqin/p/14100967.html3.hdf5storage.savemat地址：https://
2021-02-22 02:30:19
290
原创 如何数四维矩阵
如何数四维矩阵，如下是一个四位矩阵，形状为（4,3,2,5）tensor([[[[-0.3037, 0.5017, 0.2698, 0.7181, 0.7317], [ 0.2041, -2.1096, 2.0244, -2.0167, -0.4281]], [[ 0.0483, 0.0486, -0.9498, -0.1509, -0.9814], [-0.0850, -0.8587, 1.4044, 0.6037, -...
2021-02-21 01:07:17
3098
原创 跑代码的一些记录
在服务器和本地跑代码容易出现路径的问题，常常由于本地设置好针对于本地的路径在服务器上报错，而一个代码常常需要很多地方填写路径，特别需要注意路径的变化。一般训练的时候由音频生成json文件，好处是训练的音频不需要一个个的列表填写上去，运行代码的时候遇到了报错，想到是否版本的问题，果然降了版本可以解决。跑代码一般需：配置环境，注意有些安装包的版本是否匹配问题；数据集的路径配置；只要代码不坑一般都能跑通，还有的代码可以运行但是loss降不下来效果很不好也不能用...
2021-02-18 21:30:48
299
原创 基于深层声学特征的端到端语音分离
这是发表在计算机系统应用的2019的期刊概述传统的声学提取特征方法需要经过傅里叶变换等操作，这会造成语音能量损失和时间上的延时，为了改善问题，提出了端到端。文章结构这篇文章的写作思路很值得借鉴，尤其用了大量对比，有助于论文的构想。首先给出了语音分离的概念：指多个说话人的混合语音中分离得到想要的语音数据，源于著名的鸡尾酒会问题。本文主要研究两个说话人混合的情况。 鸡尾酒会问题：指人的一种听力选择能力，注意力集中在某个人的谈话之中而忽略背景中其他的对话或噪音，揭示了人类听觉系统中令人惊奇的能力，即我
2020-05-28 22:04:48
504
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人