1回答
我是sphinx4和语音识别的新手。我正在使用sphinx4创建一个语音应用程序。问题是噪声，即使没有用户的语音输入，它也会导致程序识别。即使用户没有语音输入，它也会将语音转换为文本，从而影响准确性。
主要问题是如何实现降噪。这是因为即使我没有对着麦克风说话，系统也能检测到输入。所以我猜是因为噪音。
我在网上查看了降低噪音的信息，但几乎没有关于同样的信息。虽然在网上有一些关于sphinx4自带的Denoise.java文件的信息。但在sphinx4-1.06中没有。
另一个文件是WienerFilter.java，wienerfilter是一种用于噪声信号的滤波器。但是没有关于使用或实现该文件
浏览 5提问于2015-03-15得票数 0
1回答
我正在研究RNN/LSTM。我用RNN做了一个简单的项目，在其中我将文本输入到RNN中。但是我不知道如何将语音输入到RNN中，也不知道如何对递归网络的语音进行预处理。我已经从medium和其他网站上阅读了很多文章。但我不能在网络中使用语音。你可以分享任何项目，其中语音和RNN/LSTM或任何可以帮助我。
浏览 4提问于2019-02-01得票数 1
我正在使用谷歌语音到文本API转换FLAC音频文件使用Python3中的同步识别意图。但是，当音频文件包含短暂的停顿或静默时，转录将提前结束，并且响应不会捕获暂停/静默后的文本。 audiofile = self.convert_mp3_to_flac(audiofile)
with io.open(audiofile, 'rb') as audio_file:
content = audio_file.read()
audio = types.RecognitionAudio(content=conte
浏览 5提问于2019-05-31得票数 2
我想在汽车环境中通过语音分离来提高语音识别的准确性。要处理的声音是一个挑战，因为噪音、广播音乐和其他扬声器的声音可能总是混合在一起。
所以我想把声音分成两部分，一部分是我的声音，另一部分是定义的一般噪声。为此，我使用HTK训练了一个依赖于说话者的GMM模块(仅限于我的语音)，然后使用FASST分离语音。你觉得这样行得通吗？
浏览 2提问于2016-07-15得票数 2
1回答
是否有DM-script函数，或者其他方法，从光谱图像或一系列背景减电磁谱？中获得信号积分和信号积分的误差。
我正在分析DigitalMicrograph中的一系列鳗鱼光谱。我使用DM中的普通工具，在背景减法后得到不同窗口中的信号计数。当我一次分析一个光谱时(例如用鳗鱼量化…)，并选择“单谱”)，除了对频谱信号进行估计外，还对误差进行了估计。
例如，我得到：Signal (counts): 2.91e+004 ± 1366。
但是，如果我分析光谱图像或谱线(SI\Map\信号(Dynamic)…)中的全部光谱序列或者使用ELLS\量化，但选择父频谱-图像)，我无法获得误差，我只获得信号
浏览 4提问于2017-06-19得票数 1
回答已采纳
1回答
Java中从另一行中减去矩阵行
、、、、
我正在编写一个简单的程序，它采用一个增广矩阵，并使用高斯消元法来求解一个方程组。在这种情况下，第一步是从第2行中减去第1行，使第2行的第一个数字等于零。然后，第2行将替换为这两行的差值。
我正在使用的矩阵：
1 1 1 3
1 2 3 0
1 3 2 3
因此，输出应为：
1 1 1 3
0 1 2 -3
1 3 2 3
当前输出：
Step 1:
1 1 1 3
1 2 3 0
1 3 2 3
Step 2:
Row 2: 1 2 3 0
Subtracted by
Row 1: 1 1 1 3
1 1 1 3
-3
浏览 33提问于2021-09-07得票数 0
2回答
我们有来自我们的服务器端进程之一的实时、不加控制的记录的各种波形文件，而且它们中的大多数在整个过程中都有很好的清晰的语音。然而，有时他们是混乱的，他们有静态，或说话音量不够大。是否有一个有效的方法来确定一个记录是否被认为是“良好”质量使用C#？
我曾想过要把已知的好唱片的平面图和不好的录音进行比较，但是每次录音都会有不同的语言，所以这可能行不通。我研究过像Bass.Net和NAudio这样的库，但是音频处理不是我的专业领域。
我可以尝试比较，但我不完全确定它是如何工作的。我看到有人试图用他们的音频指纹哈希和Levenshtein距离算法来比较两个音频文件，以找到两个音频文件之间的相似度。除非音
浏览 6提问于2013-08-14得票数 0
回答已采纳
2回答
语音音频样本可转换为MFCC系数以进行进一步分析。我想知道相关数据对CNN的影响。我知道MFCC系数的计算过程，利用离散余弦变换(DCT)对滤波器组系数进行去相关，得到滤波器组的压缩表示。
当我们想进一步使用CNN来分析时，我想就过滤器组和MFCC的使用进行争论。
滤波器组产生高度相关的数据。MFCC导致去相关数据。
如果我计划训练CNN的语音分类模型，我应该选择哪一个？
浏览 0提问于2018-11-04得票数 0
我正在开发一个在线的可视汉语声调助手类的东西。这涉及到使用进行基音检测。但该算法的性能受入射谱图分辨率的限制。到目前为止，我一直在使用分析器节点，但是由于我无法设置音频上下文的采样率，所以在谱图中，我得到了不必要的最高频率(samplerate/2 =大约24 kHz，而人类的语音只有大约3.4 kHz)。因此，如果我的谱图分辨率为1024 (因为web音频api允许的最大fft大小是2048)，在分析我的语音输入时，我只使用动态范围的一小部分。
为了解决这一问题，我还试图使用scriptProcessorNode来收集一个缓冲区，用中的FFT进行分析，以获得更多的控制，但与使用分析器节点相比
浏览 0提问于2013-07-30得票数 2
回答已采纳
1回答
我正在创建一个语音机器人使用谷歌语音流API和谷歌文本到语音。我只希望用户的语音被转录，即使用户“中断”了voicebot的响应。如何避免voicebot转录自己的声音？
根据我对Siri等现有语音机器人的测试，当使用扬声器时，“过滤”某些声音的能力似乎是可行的。
谢谢
浏览 1提问于2019-02-27得票数 2
我有一些录音(相对静态的，但有噪音的背景，例如，风在一个开放的区域)，有少量的短时语音(约1%的总音频持续时间)。
在没有监督的情况下，什么是检测语音发生的好方法？
我尝试过在光谱图上进行简单的阈值处理，但这是有问题的，因为：
背景的强度会随着时间的推移而谨慎(例如，噪音有时会更大)。
不同的语音片段不需要彼此相似。
通常情况下，语言太安静(与背景的平均响度相比)，而且被噪声覆盖。
这似乎是一项相当艰巨的任务，但是我可以很容易地通过听音频/查看声谱图来注意到语音片段，因为语音谱图有一些不同的结构(尽管依赖于结构检测并不简单，因为它仍然是非常不固定的)。
请注意，我只是想用一些听起来像人类语音(
浏览 0提问于2018-09-20得票数 2
回答已采纳
我想合成Mac的演讲，但我用的是个人电脑。我可以在家里的Macbook上设置一个PHP服务器，并让它为我合成文本，并通过网络请求返回给我吗？
就像http://mymacbook.com/speak.php?t=why+hello+there
什么秘密PHP代码将解锁这种可能性？我知道我可以用say -o "output.aiff" -f "input.txt"在命令行上合成语音，但我需要帮助处理这里的结缔组织。
和没有-我不想链接到倒谱或AT&T的在线语音合成器，因为我想使用特殊的Mac语音合成语法。
浏览 4提问于2011-09-27得票数 9
回答已采纳
你还记得在旧手机里，你可以通过语音快捷方式给一个人打电话吗？
我正在尝试在android中制作一个具有该功能的应用程序。用户录制它想要用来控制应用程序的单词或声音，并且语音识别器将只检查它听到的声音是否等于先前录制的声音。
有没有人知道怎么做或者知道导游？我已经寻找了几个月，没有找到一个令人满意的解决方案。
谢谢
浏览 2提问于2013-04-02得票数 3
回答已采纳
1回答
所以我有一组变换的复数。我不知道如何处理返回的数据。我试着计算每个元素的震级，指定最高的元素作为正确的频率，但是我发现我经常得到像5000 as这样奇怪的数字。是否有一个更好的操作，我可以执行返回的数据，以确定音高？
注意:我想使用音调作为语音活动检测算法的一部分。
浏览 2提问于2013-09-14得票数 1
回答已采纳
1回答
Qt中重叠多边形的透明性
、、、、
有一个简单的方法使两个多边形之间的重叠区域透明吗？最好是Qt /Qt 2D图形C++框架内嵌的函数。(不是QML)
我呈现的地图数据提取自Openstreetmap.org和一些先进的关系(线段)作为内部和外部的方式，形成多边形。
例如，一个湖泊可以有形成多边形的外部方式，也可以有几种内部方式在湖中形成岛屿。
我能够正确地构建外部多边形和内部多边形，但我很难找到一个简单的方法，使与内部多边形重叠的区域透明。
在下面的图像中，白色区域是用白色绘制的独立多边形，但是它们应该是湖/蓝多边形的透明区域。
我尝试将QPainterPath用于外部多边形，并调用
QPainterPath QPa
浏览 5提问于2017-04-18得票数 1
回答已采纳
1回答
如何从我的语音记录中找到最小、最大、平均、标准开发音高？我使用AudioRecord录制我的声音。
frequency = 8000;
channelConfiguration = AudioFormat.CHANNEL_CONFIGURATION_MONO;
audioEncoding = AudioFormat.ENCODING_PCM_16BIT;
recordInstance = new AudioRecord(MediaRecorder.AudioSource.MIC,frequency, channelConfiguration, audioEncoding, bufferSiz
浏览 3提问于2012-04-02得票数 5
我正在尝试使用程序进行文本到语音。
这些步骤如下：
下载Tensorflow
下载librosa
安装需求pip install -r requirements.txt
下载语料库并放入“语料库”目录
训练机器python train.py --data_dir=corpus
生成音频python generate.py --wav_out_path=generated.wav --samples 16000 model.ckpt-1000
完成此操作后，如何生成文本文件的语音读取？
浏览 7提问于2017-01-16得票数 5
1回答
我几乎没有没有签名的8位宽的数字，我需要加/减在一起。下面的例子是：
h_tmp <= signed(r4(calc_cnt - 2) + r4(calc_cnt - 1) + r4(calc_cnt) +
r4(calc_cnt + 1) + r4(calc_cnt + 2) -
r2(calc_cnt - 2) - r2(calc_cnt - 1) - r2(calc_cnt) -
浏览 0提问于2015-02-07得票数 0
回答已采纳
2回答
我已经在不同的频道上做了一次时间序列。时间序列中有两个主要的振荡“隐藏”，分布在所有的通道上。我想用多元奇异谱(mSSA)分析来提取这些振荡。
在我看来，SSA并不是一种真正的降维方法，而是一种“去噪”方法。也就是说，我真的不能提取出主要振荡，例如分组、反投影和对角线平均后，我在所有通道上都得到信号，但不是真正的单个信号，这是主振荡(如PCA将提供)？
另一方面，特征向量(由于手感而在时间上收缩)似乎正是我所要寻找的振荡。我可以简单地将特征向量作为主要振荡来使用SSA进行降维吗？
浏览 3提问于2018-06-07得票数 1
回答已采纳
我需要转换语音样本，并记录到数据库中。我对数字信号处理完全陌生。
最终，我们的目标是从语音样本中找到异常值。但要做到这一点，我需要获得频率和赫兹。但是我不知道从哪里开始。
仅供参考，我有大多数编程语言的知识，Java，Python，Node和Ruby。
浏览 0提问于2017-10-12得票数 0
我试图通过电报机器人中的SendVoice方法发送语音消息，但它将语音作为文档文件(而不是播放)发送。
由ffmpeg转换为opus编码的ogg文件。
https://api.telegram.org/bot<token>/sendVoice?chat_id=x&voice=http://music-farsi.ir/ogg/voice.ogg
我的ogg文件和电报语音信息有什么不同？
我的ogg文件：
浏览 0提问于2017-06-18得票数 10
回答已采纳
我希望使用Stein无偏风险估计(Sure)来对信号进行去噪。
我收到一维信号了。我使用小波将信号分解为多个级别的近似系数和细节系数。
为了对原始信号进行去噪，我需要对每个细节系数级别进行阈值处理，还是在最后一个细节系数级别上进行阈值处理就可以了？
浏览 1提问于2014-02-24得票数 2
我正在开发一个应用程序，我需要一些方法来比较两个声音是否匹配，我知道语音识别器是一种方法，但由于(我认为)它需要首先将语音翻译成字符串，它不会那么适合其他语言，除了由speech recognizer....any的想法支持的语言？就像过去的电话一样，声控标签只是将语音输入与之前设置过程中录制的语音进行比较
浏览 0提问于2011-02-09得票数 6
1回答
语音聚类的聚类算法
、、、、
我们在语音域中可以使用的最佳聚类方法是什么？
例如，如果我们有来自多个说话者的语音发声，并且我们需要将它们聚类到特定的篮子中，其中每个篮子对应一个speaker.For，那么我们可以使用的最佳聚类算法是什么？
浏览 2提问于2020-03-06得票数 2
我正在开发一个后端语音识别软件，其中用户可以导入mp3文件。如何从这个数字音频文件中提取特征？我是不是应该先把它转换回模拟模式？
浏览 3提问于2015-05-26得票数 0
let Output = "1" - + -1;
console.log(Output); 上面的代码将返回2，但我搞不懂逻辑是如何工作的。有没有人能给我解释一下，或者给我分解一下。 附注:它的字符串和整数(数字)
浏览 9提问于2021-09-01得票数 0
回答已采纳
2回答
我一直在改变它。而且，情况还在继续恶化。我不知道我做错了什么。从at，加13。从M减去13。之前，至少我收到了回函。现在，它们象征着。
import javax.swing.JOptionPane;
public class ExerciseE {
public static String rot13(String s) {
char value = 0;
char position = s.charAt(0);
String rev = "";
for (int i = 0; i < s.le
浏览 3提问于2015-02-13得票数 1
回答已采纳
1回答
关于声码器的使用
、、、
我对人工智能非常陌生，我目前正在开发一个非并行语音转换模型。我有一个令人困惑的问题，那就是投票人的使用。
所以我的模型需要Mel谱图作为输入，我正在研究的当前模型是使用MelGAN声码器()，它可以从原始wav文件(这就是我所需要的)生成220 as谱图。我最近尝试了WaveGlow声码器()，它也可以从原始wav文件和返回生成Mel光谱图。
但是，在其他模型中，如，，，对于wav到Mel光谱图的生成没有明确的解释。这些模型中的大多数不需要wav到Mel谱图功能，因为它们很大程度上满足了TTS模型的需求，比如Tacotron？或者所有这些都有这个特性，而我只是不知道呢？
如能作出澄清将不胜感激
浏览 23提问于2022-02-01得票数 1
回答已采纳
首先，使用傅里叶变换是否是识别不同说话人的好方法？我不确定如果说的是不同的话，它是否能识别出一个声音。我知道google和amazon在他们的语音助手中都有语音/说话人识别的功能，但是如果傅里叶变换不能成功的话，还有什么好的方法来做到这一点呢？
我想用神经网络识别声音，为了做到这一点，我首先需要为神经网络获得一个很好的输入，但是仅仅把录音作为输入，我不认为它会工作，因为它是基于频率和时间的。所以我找到了傅里叶变换，现在我尝试用傅里叶变换我的音频文件并绘制它。
我的问题是：
如何在python中用音频输入来绘制傅里叶变换？如果这是可行的，我如何在神经网络中输入傅里叶变换(我想也许给每个神经元一个
浏览 0提问于2018-09-19得票数 1
回答已采纳
1回答
我希望我的iOS应用程序使用文本到语音向用户读取从服务器接收到的一些信息，我还想让用户通过语音命令停止这样的讲话。我已经尝试过iOS的语音识别框架，比如OpenEars，我发现了一个问题，那就是它在监听和检测应用本身“说”的信息，并且它在识别用户的语音命令方面起着干预作用。
有人在iOS中处理过这个场景并找到了解决方案吗？提前感谢
浏览 4提问于2016-05-06得票数 3
3回答
我目前正在开发一个语音识别项目，我正在尝试选择最有意义的功能。大多数相关论文建议使用零交叉率、F0和MFCC特性，因此我正在使用这些特性。我的问题是，一个持续时间为00:03的培训样本有268个特点。考虑到我正在做一个多类分类项目，每个课程都有50+样本，包括所有的MFCC特征，可能会使项目受到维度的诅咒，或者“降低其他特征的重要性”。因此，我的问题是，我是否应该包括所有MFCC功能，如果没有，你能提出一个替代方案吗？
浏览 8提问于2016-08-08得票数 1
回答已采纳
我正在使用加速框架的FFT函数来生成声音样本的频谱图。这部分工作得很好。然而，我想(有效地)直接操纵频谱(即操纵实数)，然后再次调用逆函数，我该怎么做呢？看起来反向调用需要一个虚数数组，但是我如何从被操纵的实数中产生它呢？我试着让realp数组成为我的reals数组，imagp的零数组也是如此，但似乎行不通。
我这样问的原因是因为我希望对语音音频样本运行FFT，然后再次运行FFT，然后提升倒谱的低部分(因此希望将声道分量与基音分离)，然后再次运行反向FFT，以产生更清晰地显示声道(共振峰)信息的频谱图(即，没有基音信息)。然而，我似乎遇到了逆FFT的问题，我在realp数组中传入了我的实际值(
浏览 0提问于2012-04-07得票数 0
回答已采纳
我有一个用于音乐和语音分析的PyQt + pyqtgraph程序，并且我想要绘制一个wav文件的频谱(使用calculated包计算)。我可以在matplotlib中这样做，但是由于matplotlib的性能，我需要切换到pyqtgraph，但是我找不到任何一致的方法来将scipy.signal.spectrogram的输出绘制成pyqt图。
谢谢!
浏览 1提问于2018-07-12得票数 1
回答已采纳
2回答
如何将语音频谱转换为时域
、、、、
我在做语音分析。我把声音录了5秒。应用Hamming窗，直流偏移和归一化，并使用fft的频谱。我想知道声音有多大变化。那么，有没有办法将fft转换回时域呢？
clc,clear;
% Record your voice for 5 seconds.
%recObj = audiorecorder;
recObj = audiorecorder(96000, 16, 1);
disp('Start speaking.')
recordblocking(recObj,5);
disp('End of Recording.');
% Play back the re
浏览 2提问于2014-04-06得票数 0
回答已采纳
2回答
如果我有图像数据imgA和imgB，那么我想按如下方式计算imgC：
for (int i = 0; i < numPixelsInA; i++) {
imgC[i] = max(0, imgA[i]-imgB[i]);
}
在openCV中，如果不编写本质上类似于上面的代码，我就无法做到这一点。好奇我是不是漏掉了什么。
需要注意的是，imgA和imgB是OpenCV uchar，因此，要真正实现上面的功能，必须将该行替换为：
imgC[i] = (uchar) max(0, ((int) imgA[i]) - ((int) imgB[i]));
这就是为什么OpenCV实现对我
浏览 3提问于2012-01-27得票数 0
回答已采纳
2回答
我正在尝试实现一个浮点算术库，但我在理解减法浮点数的算法时遇到了困难。我已经成功地实现了加法，我认为减法只是它的一个特例，但似乎我在某个地方犯了一个错误。我在这里添加代码只是为了参考，它有许多自解释的功能，但我不希望有人100%理解它。我想要帮助的是算法。我们遵循与添加浮点数相同的方法，除了当我们添加尾数时，我们将负一(我们减去的那个)转换为二的补码，然后将它们相加？
这就是我正在做的，但结果并不正确。尽管很接近...但不是一样的。有谁有什么想法吗？提前感谢！
我非常确定我的工作方式，因为我实现了一个几乎相同的算法来添加浮点数，它的工作方式就像一个护身符。
_float subFloat(_f
浏览 1提问于2009-02-26得票数 4
回答已采纳
2回答
我对Matlab和语音处理也很陌生。我想找出语音信号的基本频率来确定说话人的性别。我在10毫秒内分析了信号中的沉默。
在此之后，我使用以下代码获得fft：
abs(fft(input_signal_without_silences))
我对语音信号和它的fft的描述如下：
现在，我想找出基本频率，但我不知道我需要采取哪些步骤来做到这一点。还是我误解了这个概念？
据我所知，有一些方法，比如自相关，
由于我对语音处理和matlab都不熟悉，所以非常感谢您的帮助和建议。
浏览 6提问于2015-06-06得票数 0
2回答
在读取函数中用星号播放文本到语音
、、、、
因此，我的基本目标是使用dtmf，而google文本到语音agi是playing.In情况下的声音文件，我可以简单地使用读取功能，这样用户就可以在播放声音时按dtmf，并将输入存储在variable.For ex中。
[mycon]
exten => _X.,1,Read(KEY,soundfile,,)
但是，如何在播放文本到语音时输入dtmf？
如能提供任何帮助，将不胜感激。
浏览 1提问于2014-11-28得票数 1
回答已采纳
2回答
如果我在Chrome的控制台中输入这些内容，就会收到警告，显示：
'some string'-alert(1)-'another string'
如果我输入以下内容，就会得到Uncaught SyntaxError: Unexpected identifier
'some string'alert(1)'another string'
在连字符中能够执行警报的意义是什么？
浏览 0提问于2019-04-03得票数 1
回答已采纳
1回答
我想知道如何获取两张不同的灰色图像，并创建两者之间的差异的掩模。任何帮助都将不胜感激。
浏览 3提问于2011-04-21得票数 4
回答已采纳
2回答
我有一个假设的问题来理解这个概念..
假设我捕获了一个采样率为8000 in的单声道语音片段，即4096字节的数据。通过大小为256的FFT输入前512个字节(16位编码)，将返回128个值，我将其转换为振幅。所以我的输出频率是
FFT BIN #1
0: 0*8000/256
1: 1*8000/256
.
.
127: 127*8000/256
到目前为止还好吧？所以现在还剩下3584个字节的未处理数据。因此，我对512字节的数据执行了另一个256大小的fft。并得到相同数量的结果..因此，对于这个，我再次有以下频率：
FFT BIN #2:
Example1:
0: 0*8000/256
浏览 3提问于2012-07-19得票数 2
回答已采纳
2回答
作为机器学习的一个教育项目，我正在考虑从头开始创建一个语音识别系统。它应该能够从之前经过语音训练的说话人的声音中识别出他/她。
我应该采取什么方法来应对这一挑战？具体地说，这样的系统如何在高级别上工作？
如有任何建议，我们将不胜感激:)
浏览 1提问于2013-02-28得票数 0
回答已采纳
1回答
一开始我以为会像图像识别一样简单。
创建FANN网络，而不是用二值转换图像来训练/喂养它，用二值转换的声音给它喂食。
但是：
如何将wav转换为二进制字符串(我相信我需要二进制(不是字节)，对吗？)
如何使它连续，我的意思是计数出现的字/声音从麦克风作为一个来源。
什么是最好的java库来做到这一点(不是狮身人面像或其他语音识别库-我想使我的代码语言独立，甚至识别自定义的声音-比如拍手)
我以前用过FANN来进行图像识别，我知道Encog，但是也许还有更好的(或者更简单的，我并不真正理解如何使用Encog)和更好的java本机，可以方便地移植到移动设备上。
浏览 7提问于2012-09-22得票数 3
1回答
我正计划创建一个语音识别网络，它能识别少量的单词(语音命令)，并从谷歌( google )那里看到语音命令数据集。除了可用的数据集外，我还计划增加几个词，如“移动”、“保存”等，这些词不是谷歌数据集的一部分。
是否有任何方法或其他来源可以为这些单词创建/查找数据集？
由于许多在线数据集都可用于句子和语音记录，因此我正在考虑编写一个脚本，该脚本可以遍历可用的抄本，找到所需单词的位置，并对音频进行物理裁剪，然后将其填充成第二个音频文件。但这似乎是非常艰巨的过程，很少有像我的机器人的名字将无法在网上获得。
你们能给我个建议吗？
浏览 0提问于2018-07-25得票数 3
回答已采纳
我在我的VOIP应用程序中使用了G729编解码器，当应用程序只针对armv7时，它工作得很好。凯雷能清楚地听到我的声音。然后我转向arm64，被叫的人再也听不清我的声音了。将G729编解码前后的输入语音原始数据记录在armv7设备和呼叫方arm64设备上，然后将G729编码的数据转换回来。我发现从armv7设备转换回来的语音比arm64设备要好得多。
浏览 9提问于2015-05-08得票数 4
回答已采纳
2回答
我需要一个A-模B的算法
A是一个非常大的整数，它只包含数字1(例如: 1111,1111111111111111)。
B是一个很大的整数(例如: 1231,1231231823127312918923)
很大，我是说1000位数。
浏览 2提问于2010-10-22得票数 5
回答已采纳
我正在做一个非常简单的语音识别项目。我目前有2套wav文件。每组都有1秒长的录音，记录同一人在两个不同情况下说的一组话。例如，一组具有“一”、“二”和“三”的单词，而另一组具有通过单独记录获得的相同的准确单词。许多单词押韵和使用的声音有点不同。
到目前为止，我已经尝试过几种方法，但是到目前为止，我得到的最实际的事情是对每个声音文件进行谱图(都是用相同的脚本构建的)。
这一切都是通过MATLAB完成的，我只能使用MATLAB。
我将把一组录音/光谱图称为“样本集”，而这套录音/光谱图将是我提供样本声音的集合。我将把另一组录音/谱图称为“测试集”，这将是我将试图找到与所提供的样本记录/谱图最佳匹配
浏览 0提问于2014-01-20得票数 0
回答已采纳
我得到了一个奇怪的结果，当平方-1在闲置。到底怎么回事？
意外结果：
>>>| -1 ** 2
>>>| -1
预期结果：
>>>| pow(-1,2)
>>>| 1
>>>| my_var = -1
>>>| my_var **= 2
>>>| my_var
>>>| 1
浏览 8提问于2022-07-23得票数 0
回答已采纳
我正在用GLSL编程一个射线追踪器，有多个算法来计算射线-三角形-交点。其中有些使用的是决定因素，有些则没有，但关键是计算行列式的速度很慢。所以我的问题是:在GPU上优化行列式()函数，它与乘法相比有多快。
浏览 1提问于2017-02-03得票数 1
回答已采纳
我的代码是在KTable上应用一个groupBy，后跟一个计数：
KStream<AggregationFields, Long> theCounts = theTable
.groupBy((key, value) -> {
AggregationFields af = new AggregationFields(
value.getUser(),
value.getGroup(),
浏览 1提问于2018-07-12得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
