Распознавание гласных звуков

[Haze]

Цитата immort001 @ 30.07.13, 20:31

Цитата (Haze @ 30 июля, 22:55)


А что, если не по осциллограмме сигнала это делать, а по спектрам периодов сигнала?

Делайте на основе MFCC и не изобретайте велосипед. Все делали -- у всех работает.

[immort001]

Цитата nsh @ 01.08.13, 15:49

Цитата

а какой самый лучший способ?

Лучшее враг хорошего.

Хорошо, а какие тогда ещё можно использовать способы?

[webcoder88]

Мел-кепстральные коэффициенты привязаны к конкретному голосу диктора. Этот метод лучше использовать в системах идентификации человека по голосу.
В свое время я программно резал гласные на периоды и сравнивал на графике (нужна расяжка, тк период понемногу изменяется в соответствии с интонацией) и даже пытался вычитать периоды друг из друга. Для выделения границ фонем использовал временной сдвиг на 1 период и вычитание сигналов по всему файлов. В теории должно что-то получится, а на практике ничего не получилось. Если из значений звукового файла вычесть те же значения его копии, то получается 0, те сдвигаешь на 1 период и получаются всплески на границах и прямая линия на остальном участке. Лучше не пробовать.

Сообщение отредактировано: webcoder88 - 21.11.15, 10:49

[zamir]

Цитата

Мел-кепстральные коэффициенты привязаны к конкретному голосу диктора.

Это не сильно мешает распознаванию гласных звуков. Усреднённые модели дают не плохой результат. Если в процессе распознавания адаптироваться к речевому тракту диктора, то результат распозвания гласных станет даже очень хорошим. В интернет есть результаты экспереминтов распознавания гласных при помощи формант при усреднении по всем дикторам и усреднении по распознаваемому диктору - результаты вполне причные, и это при том что признаков гораздо меньше чем в mfcc.

Сообщение отредактировано: zamir - 21.11.15, 22:14