算法建议:比较声音剪辑
算法建议:比较声音剪辑
提问于 2015-02-14 19:28:09
(不确定这是不是适合这个问题的地方)
我们正在分析成千上万的人们说话的声音片段，试图在音高、音节率等方面找到模式，以便建立一个签名数据库，将新的声音片段与情感相匹配。
虽然我熟悉一些人工智能算法(例如，Bayes)，但我很好奇是否有人对我们可以使用的算法类型有任何想法。
总体概念(图2-5秒.wav剪辑)：
soundClip1 -> 'anger'
soundClip2 -> 'happy'
soundClip3 -> 'sad'
...
emotion = predict(newSoundClip)给出一个新的声音剪辑，我们想做一些类似于Shazzam的事情，除了返回一个可能的剪辑代表一种特殊的情感。
如有任何建议，将不胜感激！
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-02-14 19:45:13
试着将剪辑的振幅和频率标准化，以使它们具有可比性。
然后测量幅度和谱性质，如方差、自相关、极小/极大值数等。
这些测量允许将每个剪辑看作n维空间中的矢量.您可以使用聚类分析方法来查找相邻的剪辑。主成分分析(PCA)可能有助于找到或多或少有意义的属性维度。
需要大量的阅读模式识别、信号处理和聚类分析文本才能知道什么是可能的。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/28519380
复制相关文章
相似问题
腾讯云开发者
