音频处理库—librosa的安装与使用
Pytorch音频处理(torchaudio的使用)
源码
1、kaggle-birdcall-resnet-baseline-training(用resnet50做鸟叫分类)
对应的kaggle竞赛页面:https://www.kaggle.com/hidehisaarai1213/inference-pytorch-birdcall-resnet-baseline
2、PANNs: Large-Scale Pretrained Audio Neural Networks for Audio Pattern Recognition。
github源码
3、语音合成源码合集
4、城市环境声分类(自建CNN)
mariostrbac/environmental-sound-classification
5、AST: Audio Spectrogram Transformer
改进版-自监督学习:SSAST: Self-Supervised Audio Spectrogram Transformer(代码很规范,很友好)
数据集
婴儿哭声数据集 donateacry-corpus
参考文献
语音识别与语音合成的论文集合:
awesome-speech-recognition-speech-synthesis-papers
语音合成的论文集合:TTS-papers
声音(音乐)分类综述(声音的基本特征:时域特征,频域特征)
keras实现声音二分类(就这代码讲解基本过程)
语音合成
语音合成的一个实时模型SqueezeWave
SqueezeWave, code(~5-13x faster than real-time)
音乐生成
ByteSing- A Chinese Singing Voice Synthesis System Using Duration Allocated Encoder-Decoder Acoustic Models and WaveRNN Vocoders(2020), Yu Gu et al. [pdf]
Jukebox: A Generative Model for Music(2020) 有源码