华为ICT——第八章：语音处理理论与实践01

U-Net

⚫ U-Net是2015年菲兹保大学的Olaf Ronneberger等人提出的生物图像分割的深度学习模 型。

思考题

本章总结：

本章讲解了图像处理理论和应用。详细介绍了数字图像处理基础和图像预处理 技术。总结了图像处理的基本任务，并介绍了图像处理中的传统特征提取算法 和使用深度学习的图像处理方法——卷积神经网络。

语音处理理论与实践：

1. 语音处理介绍

◼ 语音处理介绍

 语音预处理基础

 语音信号分析及特征提取

2. 语音识别

3. 语音合成

4. 传统声学模型GMM-HMM

5. 混合模型DNN-HMM

6. 高级语音模型

语音处理简介 (1)

语音信号处理(Speech Signal Processing)简称语音处理。。因此也称数字语音信号处理。

语音处理简介 (2)

语音信号处理的研究起源于对发音器官的模拟。

语言信息主要包含在语音信号的参数之中，因此准确而迅速地提取语言信号的参数 是进行语音信号处理的关键。

语音处理主要应用场景：

语言学

语言学2

语音学 (1)

语音学 (2)

语音预处理基础

人类语音来源

发音器官分喉下、喉头、喉上三个部分。

语音数据

语音信号预处理

语音信号预处理步骤

语音信号预处理 - 预加重

语音信号预处理 - 分帧

分帧：将不定长的音频切分成固定长度的小段。