Como seguimiento a mi pregunta anterior, me preguntaba si existen bibliotecas de detección de voz. Por detección de voz me refiero a pasar un búfer de audio y obtener un índice de dónde comienza y se detiene el habla. Entonces, si tengo 10 segundos de muestreo de audio a 44kHz, esperaría una serie...
Tengo una señal de voz de treinta segundos que se muestreó a 44,1 kHz. Ahora, me gustaría mostrar qué frecuencias tiene el discurso. Sin embargo, no estoy seguro de cuál sería la mejor manera de hacerlo. Parece que a veces se calcula el valor absoluto de una transformada de Fourier y, a veces, la...
Estoy buscando desarrollar una aplicación para Android. Como parte de la funcionalidad, la aplicación requeriría muestrear aleatoriamente de 3 a 5 segundos de audio y clasificarlo como si contuviera o no un discurso humano. ¿Entiendo que este concepto se llama Detección de actividad de voz? ¿Cuál...
Grabé una pronunciación de 2 segundos de un sonido vocal. Los primeros 0,12 segundos de la señal se muestran a continuación. Ahora, he construido un modelo de 8º orden autorregresivo (AR) para comprimir esta señal. (En realidad, solo estoy modelando 160 muestras o 0.02 segundos a la vez). La...
Hola, estoy tomando un curso de sistemas multimedia y me estoy preparando para mi examen el martes. Estoy tratando de entender la compresión LPC a nivel general, pero tengo problemas con lo que está sucediendo con la parte del filtro predictivo lineal. Este es mi entendimiento hasta ahora: LPC...
Por favor, ayúdame a entender el suavizado de datos. Este es un seguimiento de mi pregunta anterior publicada aquí . Especialmente la respuesta principal de Junuxx, donde dice que una forma de suavizar una función es:F( x )f(x)f(x) F′[ t ] = 0.1 f[ t - 1 ] + 0.8 f[ t ] + 0.1 f[ t + 1...
Entiendo que la representación en el dominio del tiempo del ruido blanco parece impulsos. ¿Cómo se ven los ruidos de color como el marrón, el rosa, etc. cuando realizamos una Transformada de Fourier inversa en ellos? ¿Cuáles podrían ser algunas fuentes de ruido coloreado que pueden afectar las...
Tengo un montón de archivos de audio que tienen partes de voz y música (piense en la radio). Por ejemplo, un archivo dado puede constar de las siguientes secciones: music --- speech --- music --- speech --- music --- speech --- music Mi objetivo es detectar cuándo el archivo cambia entre música...