华为ICT——第八章：语音处理理论与实践01

U-Net

思考题

本章总结：

语音处理理论与实践：

语音处理简介 (1)

语音处理简介 (2)

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

语音数据

语音信号预处理

语音信号预处理步骤编辑

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。

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。