若matalab中代码输出后只有untitled是什么意思？

来源：蜘蛛抓取(WebSpider) 时间：2022-09-18 03:35 标签： ascii codec can't decode byte

        公司有项目需求，需要识别语音信号是男女性别以及是否是彩铃等。之前一直是做文本相关的NLP相关项目，为此也开始慢慢涉足语音领域了。语音领域和文本NLP领域是不一样的，我猜测——目前语音领域相关的预训练模型还不成熟，端到端的方案还不足以满足商用的需求，比如ASR或者SST语音自动识别的方案HUBERT和wav2vec等——否则大家都开始使用起来了，目前应该是采用一些比较传统的方案。

ASR任务目前对我们公司来说，自研还是非常困难的，就直接使用生态伙伴科大讯飞的算法；项目需求区分男女声和彩铃的声音，其实这个任务还是比较简单的，并没有语音识别或者声纹识别中那么复杂。在数据质量和场景简单的情况下，应该能取得不错的效果。

语音信号是时域信号，目前基于时域信息对语音进行分析的貌似不是特别多，没有比较好的模型直接提取到合适的特征；一般而言都是通过传统的信号处理方案来做的，把语音时域信号转化为时域信号后就能得到很多特征，比如：MFCC、Fbank、bark谱、基频、能量幅度、短时过零率之类的——详见。

区分男女性别以及彩铃信号这样的任务，主要的关键点在哪里呢？主要能找到区分它们三者的特征，就可以使用深度学习的模型或者机器学习的模型，或者直接使用规则来做。需要找到什么样的特征呢？

 录了自己和女同事的音频，得到时序和频谱图(上图女，下图男)。感觉就从频谱图上直接看，还是看不出来的。一般而言男女声音的音高也就是频率是不一样的，但是也有重叠的部分；同时彩铃一般含有音乐的声音，它和人说话也有很大不同，音色不同，这个感觉在数理上反映也是频率的不同——据个人不完全理解这里的不同应该就是频率的分布不一样了，所以具体什么样的特征能区分开来也不是十分清楚的。那这个时候就得想到了深度学习的方案了，让模型自己去抽取相应的特征，也不需要管什么频率具体的分布，谱质心、谱对比度、基音周期等等特征，直接抽取语音信号的Fbank、Mfcc等特征，它们具体的区别，我不是专业的不清楚——知乎高赞问答解释如下，喂入模型中即可！

另一方面这是一个简单的分类任务，它们3个类直接本来就存在天然的差异，也不需要太复杂的模型，应该就能搞定。

当然也可以采用语音领域的预训练方案，wvNet或者wav2Vec这样的预训练+finetune的方案，这个方案比较新还没来得及学习，后续会学习，然后验证。

由于librosa库提供的特征提取API比较丰富，便选择了该库进行Mfcc和Fbank的提取。这里没啥好聊的，原理部分mfcc和fbank计算过程比较复杂详见——和

，而我就当个调包侠吧(原理部分就多去看几遍吧)。主要对提取特征的API的一些参数和遇到的坑进行一些总结吧

 基本满足上线准确率需求，同时这个方案，经过工程化的优化，已经实现了单机5000路的并发。

以上就是本人第一个语音项目的探索，很简单，学习到了一定的语音领域的知识，后面再接再厉，好好学习ASR和TTS相关知识，争取成为NLP和语音算法工程师！

str：保留项（目前没用） 
可以添加任意个simulink模块参数的输入
%[0 1] 小步长的连续采样 %[-2 0] 变步长的采样时间 FLAG=4时获取下一次采样时间

第一，switch-case的函数中，如果调用该函数需要传参，则需要在对应函数后面加上参数

以上两个地方必须配套使用

2. 连续系统模型案例

连续模型主要是状态空间方程：

case 1 %计算连续状态的微分 case 2 %计算下一个离散状态 case 4 %计算下一次采样的时间 %[0 1] 小步长的连续采样 %[-2 0] 变步长的采样时间 FLAG=4时获取下一次采样时间 %case 1:计算连续状态的微分 %case 2:计算下一个离散状态 %case 4:计算下一次采样的时间[-2 0]时使用该函数

  最后，在这里放一份完整的做了中文注释的sfuntmpl版本

case 1 %计算连续状态的微分 case 2 %计算下一个离散状态 case 4 %计算下一次采样的时间 %[0 1] 小步长的连续采样 %[-2 0] 变步长的采样时间 FLAG=4时获取下一次采样时间 %case 1:计算连续状态的微分 %case 2:计算下一个离散状态 %case 4:计算下一次采样的时间[-2 0]时使用该函数

我要回帖

更多关于 ascii codec can't decode byte 的文章

 

随机推荐