spectrogram | BriefGPT - AI 论文速递

关键词spectrogram

搜索结果 - 27

Parallel WaveGAN：基于多分辨率频谱图的生成对抗网络快速波形生成模型
本文提出了一种新型的声波生成方法，名为 Parallel WaveGAN，采用生成对抗网络作为模型，通过优化多分辨率的频谱图和对抗损失函数来训练非自回归 WaveNet，可以很好地捕捉现实语音信号的时频分布，在不需要常规师生框架中的密度蒸馏
PDF5 years ago
Parrotron: 一种端到端的语音转换模型及其在听力受损语音和语音分离中的应用
Parrotron 是一种端到端训练的语音转语音转换模型，可以将输入的语谱图直接映射到另一个语谱图，而无需使用任何中间离散表示。该模型可以将来自任何说话者的语音规范化为单个规范化目标说话者的语音，并通过技术手段证明其有效性。
PDF5 years ago
使用卷积循环神经网络进行声音事件定位和重叠源检测
本研究提出了一种卷积循环神经网络，用于在三维空间中联合定位和检测多个重叠声音事件。该方法能够有效地估计声音事件的位置和检测每个时间帧中所有声音事件类的活动，并且避免了特征提取方面的任何限制。
PDF6 years ago
Lip2AudSpec: 从静态唇部运动视频重建语音
通过一个由自动编码器和卷积神经网络构成的模型，在无声视频中对语音信号的频谱表示进行重建，获得了 98% 的相关性并且提高了音频质量。经过多个说话人的联合训练，该模型能够提取出不同说话人的个体特征，具有良好的识别准确率。
PDF7 years ago
用于语音增强和抗噪声说话人验证的条件生成对抗网络
利用条件生成对抗网络（cGANs）从噪声语音的谱图到增强副本，将其应用于语音增强（SE）中，并以感知语音质量（PESQ）、短时客观可懂度（STOI）和说话人验证等方面进行评估。实验结果显示，cGAN 方法整体上优于传统的 STSA-MMSE
PDF7 years ago
NIPS音乐转录的最优频谱传输
通过使用最优传输来处理音乐转录中能量从一个频率桶到另一个频率桶的小位移以及音质变化所带来的影响，我们提出了一种新的匹配度量，该度量全面处理能量的频率分布，使得能够简化音符模板字典，进而实现用于真实音乐数据的最快和最简单的分解算法。
PDF8 years ago
ICML基于连续区域处理、网格遮罩和人工神经网络的生物声学信号分类
本文提出了一种基于机器学习和图像处理的新方法，用于在高环境噪声和干扰噪声的情况下识别北大西洋北鲸的叫声，并采用连续区域算法和网格掩模技术进行处理，提取特征并进行分类，结果表明该技术可以有效地从 20000 多个音频片段中检测到鲸鱼叫声，并超
PDF11 years ago