خرید و دانلود نسخه کامل کتاب Speaker Recognition [Ch. 1 ONLY]

توضیحاتی در مورد کتاب

ویرایش گفتار چیزی نیست جز حرکت در مورد چند آرایه از اعداد. از فیلترهای تقویتی می توان برای حذف نویز طبیعی و عمدی تا حد معقولی استفاده کرد. و تجزیه و تحلیل زیر و بم و فرمت را می توان برای ارائه یک ایده کلی در مورد اینکه آیا دو گوینده یک شخص هستند یا نه استفاده کرد. همچنین عوامل دیگری، فراتر از تنوع بلندگو، وجود دارد که چالشی را برای فناوری تشخیص بلندگو ایجاد می کند. نمونه‌هایی از این موارد نویز صوتی و تغییرات در محیط‌های ضبط است (مثلاً بلندگو از گوشی‌های مختلف تلفن استفاده می‌کند). با این حال، این نقص در مقایسه شکل موج آشکار است. در حالی که می توان از این رویکردها برای ارائه یک تخمین تقریبی یا کمک به تصمیم گیری انسان در مورد یکسان بودن دو صدا استفاده کرد، برنامه های کامپیوتری مانند این به سادگی آنقدر پیشرفته نیستند که کاملاً خودکار و بی خطا باشند. به عبارت دیگر، این یک جعبه سیاه نیست که در آن شما مجبور نباشید چیزی در مورد نحوه عملکرد برنامه بدانید و فقط انتظار یک پاسخ دقیق را بر اساس مجموعه مشخصی از ورودی ها داشته باشید. چیزهای دیگری که می‌خواهیم در این موضوع بررسی کنیم شامل ضرایب دلتا-سپستروم و ضرایب پیش‌بینی خطی ادراکی است تا ببینیم چقدر می‌توانند به تجزیه و تحلیل گام و فرمانت کمک کنند یا جایگزین آن‌ها شوند. شاید ترکیبی از هر چهار درصد تائید بسیار بالاتری داشته باشد.