Форум на Исходниках.RU https://forum.sources.ru Форум на Исходниках.RU Форум на Исходниках.RU https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=3688071 Sat, 08 Oct 2016 06:38:01 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=3688071 Для качественной очистки надо использовать машинное обучение.]]> zamir Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=3687300 Mon, 03 Oct 2016 10:15:42 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=3687300 Самым перспективным направлением является обработка спектрограмм звукового сигнала. В источниках часто пишут, что речевой сигнал очень изменчив. А если использовать это свойство для его детектирования и очистки о остальных шумов. Если посмотреть на спектрограммы в Adobe Audition CS, можно заметить характерные формантные кривые речевого сигнала. Как правило, они имеют большую плотность энергии. Речь имеет много высших гармоник, которые можно отфильтровать режекторным фильтром.
Можно наложить решетку с шагом, кратным мгновенному значению частоты основного сигнала и обнулить их.

1. Можно представить речевой сигнал в виде текстр наложенных одна на другую.
2. В виде объекта (четкое изображение неподвижного камня, смазанное изображение летящего камня).
3. Если выводить или обрабатывать график вертикального участка спектрограммы. Частота основного тона будет совершать характерное движение вокруг некоторого среднего значения, что ловится с помощью детектора движения ;)
Если форманты шума или музыки колеблются с меньшей амплитудой, то при некоторой чувств-ти детектора движения, он их не заметит.
Вспомните глаз лягушки.
Есть желание написать программу и проверить?]]> webcoder88 Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=3684886 Sun, 18 Sep 2016 08:41:38 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=3684886 Цитата
По современным представлениям слух использует два разных алгоритма кодирования сигнала.
1. На частотах до 3-4 кГц кодируется форма сигнала. Нейроны имеют разные пороги срабатывания, поэтому сигнал кодируется номером нейрона с самым высоким порогом и числом сработавших нейронов. Однако частота следования импульсов в отдельно взятом нейроне не может превышать 300-400 Гц, т.к. на выделение медиатора и восстановление электрического равновесия уходит 1-2 мс. Поэтому на средних частотах близкорасположенные нейроны объединяются в группу (до 10 нейронов) и возбуждаются периодами сигнала по очереди (это положение называется теорией залпов). Этот алгоритм требует периодической структуры сигнала на протяжение порядка 10 периодов, что в частотной области означает узкополосный сигнал с шириной полосы около 300-400 Гц. Это обеспечивается функциональной фильтрацией сигнала в улитке. Таким образом, диапазон частот кодируемого сигнала достигает 3-4 кГц.

Если частота следования импульсов в нейроне не может превышать 300-400Гц, то он не заметит импульсы с частотой больше 400Гц.
Здесь полная аналогия с делителями входной частоты цифровых частотомеров. Допустим, частотомер собран на микросхемах серии K176 с максимальной рабочей частотой 2000кГц. Тогда предельная частота, измеряемая частотомером равна 2000кГц. Для расширения диапазона входной сигнал делят на 10, т.е. ставили декаду, например, на счетчике K155ИЕ2, предельная частота которого 10-15МГц или К531ИЕ14 (40МГц).
Таким образом, декада из 10 нейронов выдаст выходной импульс только при длине импульсной последовательности в 4000Гц.
Значит, входные нейроны либо способны регистриовать импульсы, следующие с частотой более 400Гц, но делят их на некий коэффициент, тк собственная максимальная частота генерации нейронов не превышает 300-400Гц, либо теряют часть импульсов, либо функционирует по-другому.

Добавлено
Возможно, что все поле состоит из одинаковых нейронов, каждый нейрон соответствует определенной частоте. Выбирает частоту механическая система слухового аппарата, а нейроны преобразуют амплитуду сигнала в частоту следования импульсов.]]> webcoder88 Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2896841 Thu, 19 May 2011 00:53:37 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2896841 С детекторами скачков тоже не так все просто: в реальной речи 99% сильно недоартикулированно, порой даже глухие взрывные смазываются, про Л и гласный-гласный я ва-аще молчу.]]> NegroFinn Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895364 Mon, 16 May 2011 18:17:31 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895364 Littlest_hobo Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895356 Mon, 16 May 2011 18:03:40 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895356 Цитата
Возможно ли использовать в качестве элементов словаря сами фонемы, а не слова?


Да

Цитата
И что делать в таком случае с количеством состояний N, сколько состояний брать?


Изолированные звуки в окружении тишины - 5. Вырезанные из потока - 3.

Цитата
Источником образцов будут дети 4-7 лет. Имеет ли это значение при создании таких моделей?


Нет]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895272 Mon, 16 May 2011 15:37:13 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895272 Источник цитаты

Цитата
Для лучшего понимания рассмотрим все вышесказанное на примере системы, предназначенной для распознавания речи. Для каждого слова из словаря W мы спроектируем СММ с N состояниями. Каждое слово в частности мы представим как последовательность спектральных векторов. Обучение мы будем считать завершенным, когда модель с выской точностью будет воспроизводить ту самую последовательность спектральных векторов, которая использовалась для обучения модели. Таким образом каждая отдельная СММ будет обучаться воспроизводить какое-либо одно слово, но обучать эту модель следует на нескольких вариантах произнесения этого слова; то есть например три человека (каждый по-своему) проговаривают слово «собака», а затем каждое сказанное слово конвертируется в упорядоченный по времени набор спектральных векторов, и модель обучается на основе этих трех наборов. Для каждого отдельного слова проектируются соответствующие модели. Сперва решается 3-я задача СММ: каждая модель настраивается на «произнесение» определенного слова из словаря W, согласно заданной точности. Для того чтобы интепретировать каждое состояние спроектированных моделей мы решаем 2-ую задачу, а затем выделяем те свойства спектральных векторов, которые имеют наибольший вес для определенного состояния. Это момент тонкой настройки модели. А уже после того, как набор моделей будет спроектирован, оптимизирован и обучен, следует оценить модель на предмет ее способности распознавать слова в реальной жизни. Здесь мы уже решаем 1-ую задачу СММ. Нам дается тестовое слово, представленное, разумеется, в виде наблюдаемой последовательности спектральных векторов. Далее мы вычисляем функцию соответствия этого тестового слова для каждой модели. Модель, для которой эта функция будет иметь наибольшее значение, будет считаться моделью названного слова.


Проблема состоит в том, что на этапе распознавания фонем моя программа не имеет словаря и не должна его иметь. Таково ограничение указанное в задании. Я должен распознать фонему по куску звукового потока, содержащего только ее и ничего больше. Возможно ли использовать в качестве элементов словаря сами фонемы, а не слова? И что делать в таком случае с количеством состояний N, сколько состояний брать? И еще одна вещь. Источником образцов будут дети 4-7 лет. Имеет ли это значение при создании таких моделей?]]> Littlest_hobo Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895263 Mon, 16 May 2011 15:24:51 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895263 Цитата
Могу я расчитывать на некоторые пояснения от Вас касательно этих моделей, если Вас не затруднит?


Можете]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895256 Mon, 16 May 2011 15:16:51 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895256 Цитата
Скрытые марковские модели


Ага. Спасибо. Могу я расчитывать на некоторые пояснения от Вас касательно этих моделей, если Вас не затруднит?]]> Littlest_hobo Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895161 Mon, 16 May 2011 13:00:39 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2895161 Цитата
Посему хотелось бы увидеть название метода/методов или ссылку на них, а не направление читать литературу.


Скрытые марковские модели
http://ru.wikipedia.org/wiki/%D0%A1%D0%BA%D1%80%D1%8B%D1%82%D0%B0%D1%8F_%D0%BC%D0%B0%D1%80%D0%BA%D0%BE%D0%B2%D1%81%D0%BA%D0%B0%D1%8F_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2894914 Mon, 16 May 2011 07:44:05 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2894914 Нейронная сеть Кохонена После MFCC просто руки опустились. :'( Сам в этой области новичок и большую часть материала не могу понять или понимаю с великим трудом. Посему хотелось бы увидеть название метода/методов или ссылку на них, а не направление читать литературу.]]> Littlest_hobo Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2887945 Wed, 04 May 2011 14:18:33 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2887945 vilin4ik Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2746421 Sun, 07 Nov 2010 23:11:13 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2746421 1. полагается, что сегмент описывается моделью АР при этом для обнаружения скачка в параметрах модели проверяются гипотезы, при этом статистика критерия базируется на ООП-обобщенном отношении правдоподобия.
2.критерий кумулятивных сумм (пока не вникала)
3. импульсный - касается только звонких сегментов (тоже нужно разбираться)]]> MoTaJiKa Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2744367 Thu, 04 Nov 2010 05:36:57 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2744367 Цитата MoTaJiKa @
Подскажите пожалуйста какие есть алгоритмы, которые свидетельствуют о разладке случайного процесса?
мне известен алгоритм change detection, основанный на изменении BIC в подокнах относительно их объединения. Разладка - понятие туманное и зависит от критерия и стат.модели.
Алгоритм предназначен для автоматический разметки речи на однородные элементы, включает в себя простое вычисление критерия и сложный процес многократного устранения возможных ошибок.
Вычисление критерия:
- вычисляется диагональная матрица дисперсий на некотором окне
- окно разбивается на две половины, для каждой половины тоже вычисляется матрица
- затем применяется BIC (google), идея заключается в том, что если произошло изменение, "объем" эллипсоида дисперсии всего окна больше суммы "объемов" половин. "Объем" нормирован на число отсчетов. С порогом беда, его следует искать.

Насколько я понимаю, это общий метод детекции разладки - вычисляем некий критерий (информационный, соответствия модели, что-нибудь еще) на целом окне и половинках, затем смотрим как все изменилось и по детектируем по порогу. Сложный этап интегрирует многократные прогоны детекции на разных длинах окна и т.п.]]> neurofish Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2741233 Mon, 01 Nov 2010 00:02:41 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2741233 Цитата grisania @
Также есть алгоритмы, которые определяют начало основного тона. Если основной меняетя, то говорят, что произошла разладка случайного процесса.

Подскажите пожалуйста какие есть алгоритмы, которые свидетельствуют о разладке случайного процесса? :scratch:]]> MoTaJiKa Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2439094 Thu, 03 Dec 2009 03:36:37 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2439094 Цитата andrden @
неужели мозг успевает определить, что участок звука
тот же самый? А на частоте дискретизации 44кгц и 2-секундный участок удаётся различить, более длинные - нет.
Это как-то связано с тем, как мы распознаём звуки?

Ну на свой вопрос вы сами ответили. Вы же слышите эти биения. Значит мозг распознает. Если вы хотите избавится от биений. То попробуйте записать буфер до середины а потом записать его тем же содержимым зеркально. Щелчки пропадут. Но мозг думаю все равно будет слышать что сигнал периодический.

Добавлено
Задайте поконкретней вопрос, что вам нужно.]]> Skif Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2439016 Wed, 02 Dec 2009 21:17:45 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2439016 Потом проигрываю этот шум с повторением. Если длина повторяющегося куска шума меньше или равна где-то 1 секунда,
на слух воспринимается постукивание или биение - неужели мозг успевает определить, что участок звука
тот же самый? А на частоте дискретизации 44кгц и 2-секундный участок удаётся различить, более длинные - нет.
Это как-то связано с тем, как мы распознаём звуки?

Вот на Джаве полный сорс, если кто проверить захочет...

    package audio.cords;
     
    import java.io.ByteArrayOutputStream;
    import java.io.DataOutputStream;
    import java.util.Random;
    import javax.sound.sampled.AudioFormat;
    import javax.sound.sampled.AudioSystem;
    import javax.sound.sampled.SourceDataLine;
     
    public class RepeatNoise {
      public static void main(String[] args) throws Exception{
          int sampleRate = 11025*4;
          SourceDataLine line =
                  AudioSystem.getSourceDataLine(new AudioFormat(sampleRate,16,1,true,true));
          line.open();
          line.start();
          Noise noise=new Noise();
     
          for( ;; ){
              ByteArrayOutputStream ba = new ByteArrayOutputStream();
              DataOutputStream dos = new DataOutputStream(ba);
              for( int i=0; i<1000; i++ ){
                   dos.writeShort(noise.next());
              }
              line.write(ba.toByteArray(), 0, ba.size());
     
          }
      }
     
      static class Noise{
          short[] buf = new short[11025*4*4/5];
          int idx=-1;
          Noise(){
              Random rnd = new Random(System.nanoTime());
              for( int i=0; i<buf.length; i++ ){
    //              double s = 0;
    //              for( int j=0; j<12; j++ ){
    //                  s+=Math.random();
    //              }
    //              buf[i] = (short)(s/12*25000);
                  buf[i] = (short)(rnd.nextGaussian()*25000);
              }
          }
          short next(){
             idx = (idx+1)%buf.length;
             return buf[idx];
          }
      }
    }
]]> andrden Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2423150 Mon, 16 Nov 2009 15:20:38 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2423150 Цитата MedEx @
формант вроде как 4 всего.

Получается, форманты это пики 4х первых гормоник?]]> Black*Eternal Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2423039 Mon, 16 Nov 2009 14:05:11 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2423039 MedEx Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422509 Mon, 16 Nov 2009 00:36:04 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422509 Цитата Skif @
В общем обертон это то как звучит инструмент.

А набор гормоник ведь и определяет звучание инструмента?

Так получается, что форманты это точки максимумов гармоник, которые мы соединяем линией?
Ведь говорим мы во множественном числе "форманты", значит их много.. а огибающая одна :)]]> Black*Eternal Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422506 Sun, 15 Nov 2009 23:26:27 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422506 Цитата Black*Eternal @
Вот теперь я полностью понял, что имеется ввиду под гармониками и фонрмантами!

По поводу "рассчитать огибающую гармоник" я тоже не понял. Частоты найти, это понятно. Я уже поэкспериментировал со звуками, там действительно частота второй двое выше первой и далее частоты последующих гармоник ровно выше на разницу второй-первой. А вот получить мощности их наверное невозможно из первой.. Этож звучание изменится, нет разве? А может ли быть два разных звука с одинаковой первой гормоникой по частоте и мощности?

Кстати, а что такое обертон? Это другое название гармоник? :)

Оберто́ны (нем. Oberton — «верхний тон») в акустике — колебания полного объёма, а также различных частей какого-либо звучащего тела (струны, столба воздуха, мембраны, голосовых связок и т. д.). Обычно понятие обертона смешивается с понятием гармонических созвуков, однако несмотря на то, что любой гармонический созвук является обертоном, не любой обертон является гармоническим созвуком.

В общем обертон это то как звуччит инструмент. В нашем случае это звучание гласных речи. А инструментом является речеобразующий аппарат. человека :)

Расчиатать огибающую гармоник значит нарисовать красную линию. См рисунок выше. Соединить максимумы гармоник между собой.]]> Skif Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422176 Sun, 15 Nov 2009 10:47:25 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422176
По поводу "рассчитать огибающую гармоник" я тоже не понял. Частоты найти, это понятно. Я уже поэкспериментировал со звуками, там действительно частота второй двое выше первой и далее частоты последующих гармоник ровно выше на разницу второй-первой. А вот получить мощности их наверное невозможно из первой.. Этож звучание изменится, нет разве? А может ли быть два разных звука с одинаковой первой гормоникой по частоте и мощности?

Кстати, а что такое обертон? Это другое название гармоник? :)]]> Black*Eternal Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422171 Sun, 15 Nov 2009 10:41:07 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422171 Цитата Анатоль @
По частоте первой гармоники мы можем вычислить частоты остальных гармоник, но не их амплитуды. Поэтому огибающей мы никак не получим из частоты первой гармоники.

Я подразумевал что спектр сигнала анализируемого отрезка времени уже расчитан. Верное замечание. Для того чтобы расчитать огибающую нужно знать спектр.]]> Skif Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422114 Sun, 15 Nov 2009 07:55:40 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422114 Цитата Skif @
Из этого следует что вычислив частоту первой гармоники мы можем вычислить все остальные гармоники и рассчитать огибающую гармоник

По частоте первой гармоники мы можем вычислить частоты остальных гармоник, но не их амплитуды. Поэтому огибающей мы никак не получим из частоты первой гармоники.]]> Анатоль Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422079 Sun, 15 Nov 2009 06:04:26 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2422079 Цитата Black*Eternal @
А форманты это получается огибающая гормоники?

Именно так. Ну точнее сказать, что форманты огибающие гармоник. Первый синий всплеск это первая гармоика, ее частота равна частоте колебаний голосовых связок. Второй всплеск это вторая гармоника, частота второй гармоники в два раза больше первой. Третий всплеск это третья гармоника. Ее частота в три раза больше первой. Если к примеру обозначим частоту первой гармоники через F1 а вторую через F2 и так далее. F3, F4.... То справедливо записать F2=2*F1; F3=3*F1; F4=4*F1. Из этого следует что вычислив частоту первой гармоники мы можем вычислить все остальные гармоники и рассчитать огибающую гармоник которая является амплитудно частотной характеристикой формантного фильтра. Найдя максимумы амплитудно частотной характеристики формантного фильтра мы найдем формантные частоты.]]> Skif Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421918 Sat, 14 Nov 2009 19:01:54 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421918 Цитата Skif @
На рисунке всплески синего цвета это гармоники. Всплески красного цвета форманты.

О, спасибо за картинку!
А форманты это получается огибающая гормоники?]]> Black*Eternal Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421874 Sat, 14 Nov 2009 17:27:31 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421874 Skif Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421801 Sat, 14 Nov 2009 13:56:32 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421801 Цитата Анатоль @
Цитата Black*Eternal
Гармоники "по совместительству" также являются некоторыми из формант?
Пытаюсь понять как они друг с другом связаны

Представте себе гребёнку, у которой зубья спилили так, что их высота вписывается в нек. гладкую кривую.
Представили?
Ну так зубья - это гармоники, а максимумы этой гладкой кривой - форманты.

Клёвый пример :)

Т.е. гармоники это сами составляющие (вот эти "вертикальные столбцы"), а форманты это локальные максимумы (этих столбцов)?]]> Black*Eternal Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421610 Sat, 14 Nov 2009 05:21:25 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421610 Цитата Black*Eternal
Гармоники "по совместительству" также являются некоторыми из формант?
Пытаюсь понять как они друг с другом связаны

Представте себе гребёнку, у которой зубья спилили так, что их высота вписывается в нек. гладкую кривую.
Представили?
Ну так зубья - это гармоники, а максимумы этой гладкой кривой - форманты.]]> Анатоль Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421572 Fri, 13 Nov 2009 23:42:39 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2421572 Цитата Анатоль @
Тональные звуки состоят из частот, кратных частоте основного тона (ЧОТ). Они и называются гармониками.
Когда звучит струна или голосовые связки то кроме основного тона (самой низкой частоты) в звуке есть и кратные ей частоты (гармоники).
....
Когда звук проходит через речевой аппарат человека, из за резонансных свойств речевых полостей некоторые частоты усиливаются (некоторые ослабляются). Резонансные максимумы речевого аппарата называют формантами.

Гармоники "по совместительству" также являются некоторыми из формант?
Т.е. все высокие пики - это форманты, а гармониками являются из них те форманты, частоты которых кратны ЧОТу?
Или форманты это максимальные, а гармоники выражены очень малой мощностью и не имеют ничего общего с формантами? Пытаюсь понять как они друг с другом связаны.. :)]]> Black*Eternal Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2420539 Fri, 13 Nov 2009 05:19:14 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2420539 Цитата Black*Eternal @
Так и не понял, что такое гармоники. Форманты, понятно - всплески на спектре

Тональные звуки состоят из частот, кратных частоте основного тона (ЧОТ).
Они и называются гармониками.
Когда звучит струна или голосовые связки то кроме основного тона (самой низкой частоты) в звуке есть и кратные ей частоты (гармоники). Обычно уменьшающейся амплитуды с ростом частоты.

Когда звук проходит через речевой аппарат человека, из за резонансных свойств речевых полостей некоторые частоты усиливаются (некоторые ослабляются). Резонансные максимумы речевого аппарата называют формантами.
Частоты и амплитуды формант, их динамика отображают положения и динамику артикуляции, поэтому важны для распознавания звуков речи.

На спектре звука мы можем наблюдать и гармоники и форманты.
Для низкого голоса, или при малой ширине окна гармоник мы не увидим, только форманты. Это максимумы огибающей спектра.]]> Анатоль Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2420503 Fri, 13 Nov 2009 01:39:52 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2420503
Так и не понял, что такое гармоники. Форманты, понятно - всплески на спектре. А вот что такое гармоники? Такое впечатление, что тоже самое :) Скорее всего они наверное иногда совпадают, а иногда нет... Или совершенно не так?]]> Black*Eternal Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2307056 Wed, 08 Jul 2009 09:01:55 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2307056 Hobbit Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2306582 Tue, 07 Jul 2009 15:15:45 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2306582
Насколько я понимаю, если имеется авторегрессионная модель, то форманты - это локальные максимумы.
http://s51.radikal.ru/i132/0907/a5/bed119ca4e3c.gif

Не могу понять, как можно их извлечь из авторегрессионной модели.

Дополнено: этот вопрос снимается. Оказывается, функцию peaks нужно заменить на findpeaks.
Скрытый текст

Тут предлагается решение с использованием функции peaks, но оно выдаёт ошибку на последней из процитированных строк:

    th = ar(x,n)        % auto-regressive model of voice
     
    [b,a] = th2tf(th)   % transfer function of vocal tract
     
    [h,w] = freqz(b,a); % frequency response of vocal tract
     
     
    f = w.*fs/(2*pi);
     
    semilogy(f,abs(h))              % semilogx and semilogy plot data
                                    % as logarithmic scales for the x- and y-axis,
                                    % respectively.
     
     
    xlabel('Frequeny (Hz)')
    ylabel('log scale frequency response')
    title('Auto-Regressive Model of Vocal Tract')
    hold on
     
    [floc,fmag] = peaks(abs(h));
    allfmnts = f(floc);    % ERROR - ??? Subscript indices must either be real positive integers or logicals. error


И если имеется авторегрессионная модель, можно ли по ней полностью восстановить звук?]]> starn Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2208227 Sun, 01 Mar 2009 20:11:33 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2208227 Ошибка предсказания неоспоримый факт смены направления движения процесса.
Возможно эта статья просто краткая информация о проделанной работе?
Не знаю, но на мой взгляд в этой статье задано правильное направление.]]> shur_nn Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2207798 Sun, 01 Mar 2009 03:37:03 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2207798 Цитата shur_nn @
Статью интересную по сегментации нашел.

Да, весёлая статья. В начале 91% точность сегментации. Потом ни одного упоминания этого числа нет. Зато точность в выводах значится уже 85%, а затем 75%. Исследования проводились на отдельных словах, а не на слитной речи. Алфавит - 36 фонем. Интересно каких? Ощущение, что не было мягких. Возможно, не было некоторых классов безударных. 10 дикторов - не указано количество мужчин и женщин и, конечно, не указана точность сегментации для каждого пола. Все рисунки разные - нет двух одинаковых сигналов, на одном из которых была бы ручная, а на другом автоматическая сегментация. Похоже, рисунки были приведены не для сравнения ручной и автоматической сегментации. Что означает "точность" при результате 85% непонятно. При 75% - понятно (расхождение менее 15 мс). В первом варианте считалось правильным, если граница определена до середины фонемы или вообще попала на фонему? Слишком много непонятностей, недосказанностей, поэтому не стал бы доверять и результату и алгоритму.]]> kaa1 Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2207764 Sat, 28 Feb 2009 21:59:16 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2207764 http://www.contrterror.tsure.ru/site/magazine12/07-16-Fedorov.htm]]> shur_nn Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2201050 Fri, 20 Feb 2009 19:38:13 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2201050 Я повторяю, сравните белый шум и белый шум+"Ш" в соотношении 10:1 (один за другим,
интервал между звуками не более 0.5 сек.). Я это делал.
Мое субъективное мнение, что относительно белого шума, звук "Ш" в белом шуме распознаваем
довольно отчетливо. Хочу заметить, что мы с Вами наверняка не одинаковы в плане восприятия звуков.
Я прослушивал звуки через наушники гарнитуры. Возможно Вы прослушивали
их через акустику в условиях зашумленного помешения, или уровень
звукового давление был недостаточный. Я провел довольно много времени за этим занятием.
Конечно я допускаю мысль, что моя слуховая система адаптировалась.
Я это слышу, значит распознавание шипящих на фоне белого шума возможно.
Правда не уверен, что оно возможно с использованием спектрального анализа.]]> shur_nn Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2200482 Fri, 20 Feb 2009 05:35:33 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2200482 Цитата shur_nn @
Я попробовал смешать "Ш" c белым шумом 1:10. Если слушать шум, а потом сумму, то "Ш" прекрасно слышно и распознаваемо

Повторил Ваш эксперимент. Результат совсем противоположный.
Даже если смешать (добавить) к "ш" белый шум такой же амплитуды, то распознать там "ш" совершенно невозможно.
Тональные звуки можно услышать и распознать даже меньшей амплитуды, чем шум, а вот "ш" не получилось.
Может Вы реагировали на изменение амплитуды шума и воспринимали это как наличие там "ш"?]]> Анатоль Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2200352 Thu, 19 Feb 2009 19:59:56 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2200352 прекрасно слышно и распознаваемо.]]> shur_nn Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199563 Thu, 19 Feb 2009 05:33:01 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199563 Цитата shur_nn @
Кстати интересная задачка - шум превышает по амплитуде в несколько раз звук "Ш".
Чего делать будем ?

Будем уши затыкать.]]> Анатоль Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199411 Wed, 18 Feb 2009 20:05:57 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199411 Чего делать будем ?]]> shur_nn Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199381 Wed, 18 Feb 2009 19:41:50 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199381 Цитата sergun83 @
Дело в том, что значения энергии для невокализованных звуков и значения энергии для тишины с шумом близки.

Ну это не совсем так. Это справедливо для таких звуков, как "п" или "ф".
А энергия таких звуков как "ш" или "ч" очень большая. Да и других вполне заметна.
Но если шумы большие, то слабых шумных звуков Вы просто никак не обнаружите.
Ну разве что спект шумов Вам известен, или по динамике формант гласных можно определить прилегающие согласные.]]> Анатоль Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199124 Wed, 18 Feb 2009 13:54:07 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199124 Цитата Анатоль @
Цитата sergun83 @
методы для определения невокализованных участков. ЧОТ использовать не хочу.

Энергия вокализованных звуков речи лежит в основном в низкочастотной области.
Возьмите отношение (или разницу) энергии в низкочастотной полосе и высокочастотной.
Например 100-600гц. и 4000-5500гц.

Спасибо за ответ, но энергия не подходит. Дело в том, что значения энергии для невокализованных звуков и значения энергии для тишины с шумом близки. А мне нужно отделить именно невокализованные звуки от тишины (шума).]]> sergun83 Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199113 Wed, 18 Feb 2009 13:38:04 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2199113 Цитата sergun83 @
методы для определения невокализованных участков. ЧОТ использовать не хочу.

Энергия вокализованных звуков речи лежит в основном в низкочастотной области.
Возьмите отношение (или разницу) энергии в низкочастотной полосе и высокочастотной.
Например 100-600гц. и 4000-5500гц.]]> Анатоль Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2198424 Tue, 17 Feb 2009 18:09:58 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=2198424 sergun83 Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1957739 Fri, 16 May 2008 10:45:39 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1957739 Gron Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1941467 Mon, 28 Apr 2008 18:16:38 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1941467 china_630
HTK вам в помощь. Линуховый вариант предоставляется в виде СИшных библиотек. Правда насчет коммерческого использования читайте условия.]]> goodass Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1888344 Tue, 04 Mar 2008 09:04:30 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1888344
Нет ли случайно у кого-нибудь MFCC на Delphi? Да в принципе и на С пойдет :-)]]> china_630 Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1887934 Mon, 03 Mar 2008 17:48:35 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1887934
http://majority.wsnw.net/fft.zip]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1887889 Mon, 03 Mar 2008 16:26:49 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1887889 Fleur Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1866756 Wed, 13 Feb 2008 08:59:39 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1866756 iitta Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1866136 Tue, 12 Feb 2008 15:57:28 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1866136
http://home.cc.umanitoba.ca/~robh/

даже соревнования проводятся - каждый месяц вывешивают спектрограмму и по ней надо понять, что за звук. Я вот думаю - не заняться ли читерством - написать прогу которая по спектрограмме звук делает :)

Добавлено
iitta: кстати, там есть архив спектрограм, там везде объяснено, почему какая-то фонема выделена. Хотя это объяснения на объяснения Шерлока Холмса похожи, слишком вытянуты.

http://home.cc.umanitoba.ca/~robh/archive.html]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865706 Tue, 12 Feb 2008 11:32:19 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865706
...Считается, что для идентификации гласной достаточно двух первых формант, поэтому гласные часто изображают на плоскости F1,F2, где они образуют вытянутый треугольник. Возможно, третья форманта является дополнительным, избыточным признаком гласной. Некоторым подтверждением этой точки зрения является факт, что человек может научиться читать "видимую речь" (спектр в координатах ВРЕМЯ-ЧАСТОТА, где максимумы амплитуды спектра отображаются почернением или пиками для трехмерных изображений). Заранее отметим, что это умение никак не отразилось на создании систем автоматического распознавания речи. Либо виртуозы чтения не могут вербализовать правила, которыми они пользуются при чтении, то есть используются столь же мало познанные процессы зрительного восприятия, либо ошибки распознавания по видимой речи больше, чем в системах автоматического распознавания (уровень ошибок распознавания по видимой речи, насколько мне известно, никто не измерял)...

Может быть, кто-нибудь сделает upgrade высказанных соображений?]]> iitta Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865205 Mon, 11 Feb 2008 22:56:54 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865205
Проблема заключается в распознавании речи именно по спектрограмме.

За Кривнову спасибо.
Есть ли у кого-нибудь работы Зиновьевой Н.В? Например, Зиновьева Н.В. Система акустических ключей к распознаванию фонетических единиц русского языка?]]> Fleur Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865202 Mon, 11 Feb 2008 22:48:49 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865202
http://djvu.sourceforge.net/

Добавлено
Ну и вот это ещё стоит про спектрограммы поглядеть:

http://cslu.cse.ogi.edu/tutordemos/SpectrogramReading/spectrogram_reading.html
http://www.chass.utoronto.ca/~danhall/lin228/acoustics.html
http://arse.sourceforge.net/examples.shtml

И, если удастся:

Ladefoged, Peter: A Course In Phonetics: Third Edition, page 60. Harcourt Brace College Publishers, 1993]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865199 Mon, 11 Feb 2008 22:42:13 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865199 nsh, спасибо за ссылки. Жаль, что все материалы на английском.
Из второй ссылки книги Spoken Language Processing vol. 1 и 2 не открываются или это только у меня?]]> Fleur Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865194 Mon, 11 Feb 2008 22:31:26 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865194
Вводную информацию можно посмотреть в энциклопедиях и поискать в сети, вроде

http://en.wikipedia.org/wiki/Speech_recognition

А более подробно нужно изучать по книге, вроде SLP:

http://festlang.berlios.de/docu/doku.php?id=speech_tech_faq&s=spoken

Добавлено
А по спектрограмме специалист распознавать звуки может, конечно. Но для этого опыт нужен. Немного про это описано в
книжке Кривновой "Общая фонетика", например, из доступного в сети:

http://www.philol.msu.ru/~otipl/SpeechGroup/publications/krivnova-2001-2004/glava11.doc

ну и на английском литературы полно, например

http://home.cc.umanitoba.ca/~robh/howto.html

Вобщем, если вы проблему уточните, можно будет и литературу подходящую подыскать.]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865183 Mon, 11 Feb 2008 22:10:12 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865183
Я изучаю вопрос распознавания речи по спектрограмме. Получила спектрограммы разных звуков, получается, что совершенно разные фонемы почти не отличаются друг от друга. Как тогда вообще распознавать?]]> Fleur Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865148 Mon, 11 Feb 2008 21:39:59 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865148
Добавлено
P.S. Ни одна программа так точно границы пока искать не может :)

Добавлено
Хотя нет, не так точно, на картинке после с перед а слишком рано граница :)]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865130 Mon, 11 Feb 2008 21:19:23 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865130 Цитата nsh @
Ничего, что не в тему запостили ;) ?

Это не программа называется Raw Waveform, это окошко называется так. А программа какая-то наша самописная судя по всему. Гораздо проще скачать Wavesurfer, там всё такое же есть:

http://www.speech.kth.se/wavesurfer/download.html

Просто эта программа позволяет выделить фонемы (судя по указанным в этом окошке вверху фонемам "Вы мне писали"), я и подумала, что сюда можно писать. :huh:
Есть у меня Wavesurfer, но как в ней получить разбиение слов на фонемы (как в том окошке вверху)?]]> Fleur Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865082 Mon, 11 Feb 2008 20:29:19 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1865082
Это не программа называется Raw Waveform, это окошко называется так. А программа какая-то наша самописная судя по всему. Гораздо проще скачать Wavesurfer, там всё такое же есть:

http://www.speech.kth.se/wavesurfer/download.html]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1864626 Mon, 11 Feb 2008 14:34:49 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1864626 Fleur Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1841440 Sun, 20 Jan 2008 10:13:46 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1841440 Цитата Hobbit @
имелись ввиду первые 4-5

Цитата Hobbit @
в каком диапазоне частот АЧХ имеет максимумы? Не в области ли ВЧ по отношения к первой строке?

Нет, не в этой области. Частота 4-5-й гармоники может совпадать с частотой второй форманты. А основной тон может находиться в той же частотной области, что и первая форманта, поэтому область формант не является более высокочастотной.
Цитата Hobbit @
Можно чуть подетальнее объяснить?

Если Вы употребляете понятие "область форманты", то значит Вы понимаете, что это такое, и у Вас не должно быть сложностей при вычислении средней частоты в этой области.]]> kaa1 Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1841305 Sun, 20 Jan 2008 00:33:13 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1841305 "частотные характеристики резонирующих полостей речевого тракта" - в каком диапазоне частот АЧХ имеет максимумы? Не в области ли ВЧ по отношения к первой строке? - отсюда второе возможное определение
"Второе – частотой форманты называют среднюю (средневзвешенную) частоту спектра в области соответствующей форманты." Можно чуть подетальнее объяснить?]]> Hobbit Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1839554 Fri, 18 Jan 2008 04:42:48 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1839554 Цитата Hobbit @
имеется область частоты ОТ с гармониками и более ВЧ-область формант

Гармоники основного тона уходят куда-то в район бесконечности, поэтому они не могут быть ниже по частоте, чем форманты.
Есть, например, такая книга: Общая и прикладная фонетика: учеб. пособие / Л. В. Златоустова, Р. К. Потапова, В. В. Потапов, В. Н. Трунин-Донской.
Выдержка из неё: "Наряду с частотой основного тона немаловажными параметрами, характеризующими вокализованный речевой сигнал, являются частоты формант. На форму звуковой волны, исходящей от голосового источника, накладываются частотные характеристики резонирующих полостей речевого тракта. Собственные частоты резонаторов являются наиболее усиленными в акустической картине звука. Эти усиленные частоты называют формантами.
На данный момент существует несколько определений частоты форманты. Первое – частотой форманты называют частоту полюса фильтрующей функции речевого тракта. Второе – частотой форманты называют среднюю (средневзвешенную) частоту спектра в области соответствующей форманты. Третье – за частоты формант принимают частоты максимумов спектра. Наиболее общепринятым является третий вариант определения."
Частота основного тона напрямую зависит от частоты колебаний голосовых складок. Гармоники основного тона кратны по частоте основному тону. Я на этом форуме значения формант уже приводил.
Цитата Hobbit @
интересуют ссылки на публикации

Есть в этом форуме прикреплённая тема про основной тон, там кое-что найдёте. А ещё есть классики, например, Рабинер.]]> kaa1 Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1839399 Thu, 17 Jan 2008 20:16:47 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1839399
ПС Также изучаю вопрос о спектральных методах оценки ОТ. Поэтому интересуют ссылки на публикации.]]> Hobbit Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1760541 Mon, 12 Nov 2007 03:49:29 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1760541 Цитата Lebedev @
Как можно сказать по этим спектрограммам что это один звук?

Нужно анализировать огибающую спектра. Для примера я прикрепил рисунок. Всплески на спектре кратны частоте основного тона (ОТ). А огибающая характеризует спектр резонаторов. В связи с тем что частота ОТ различная у разных дикторов точность определения огибающей меняется от диктора к диктору. У женских голосов частота ОТ максимальная и всвязи с этим огибающая получается не совсем точная.

Добавлено
Ко всему прочему важно при выполнении преобразования фурье учитывать что длина окна для различных дикторов постоянна, т.е. нужно использовать одну и ту же длину окна БПФ, для получения одной и той же частотной шкалы в результатах БПФ. От фонеме к фонеме спектры огибающих будут меняться и для нахождения областей в которых спектры различных фонем не пересекаюстя это отдельная задача.]]> Skif Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1760199 Sun, 11 Nov 2007 14:40:45 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1760199 Может кто-нибуть что-нибуть посоветовать! Буду благодарен за подходящую литературу. Спасибо! :)]]> kviper Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1736399 Sat, 20 Oct 2007 07:47:40 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1736399
http://www.cs.cmu.edu/~awb/papers/icassp2005/0100009.pdf

Исходники этого дела есть внутри festvox.]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1736381 Sat, 20 Oct 2007 05:49:56 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1736381 Цитата neurofish @
сомнителен этот способ не тем, что нельзя получить такой спектр, а тем, что пользы от этого занятия мало будет

А если на основе набранной статистики (для конкретного диктора) по конкретной фонеме попробовать изменять параметры цифрового фильтра для синтеза спектра, полученно по статистике. Разве так нельзя добиться более хорошего кчества синтеза?]]> Lebedev Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1735409 Fri, 19 Oct 2007 10:39:38 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1735409 Hobbit Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1734708 Thu, 18 Oct 2007 19:19:23 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1734708 Цитата

Спектрлаб это что такое?

Spectralab - популярная программа анализа спектра

Цитата

Если это сомнительный способ, то как тогда эти какртинки авторы получали?

сомнителен этот способ не тем, что нельзя получить такой спектр, а тем, что пользы от этого занятия мало будет]]> neurofish Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1733320 Thu, 18 Oct 2007 05:45:20 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1733320
user posted image

Praat, конечно, продвинутее, но им пользоваться сложнее.]]> nsh Речевые Технологии https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1733225 Thu, 18 Oct 2007 01:17:49 +0000 Фонемное распознавание речи https://forum.sources.ru/index.php?showtopic=145994&view=findpost&p=1733225 Цитата neurofish @
это, скорее всего, возможно только для стационарных звуков. А их немного. Можно вычислять средний спектр (в спектралабе), но это сомнительный способ. Что касается картинки, то, судя по надписи, изображен то ли звук "и", то ли звук "ы". А они могут иметь несколько реализаций и быть нестационарными

Спектрлаб это что такое?

Просто в книжках для некоторых звуков приводятся такие картинки, но не для всех. Я вот и хочу попробовать получить для некоторых других.
Если это сомнительный способ, то как тогда эти какртинки авторы получали?]]> Lebedev Речевые Технологии