Сегментация речевого сигнала

ltdx · 22.05.2012, 21:38

Здравствуйте! Может, кто знает, откуда можно скачать бесплатные программы или исходники, которые могли выделять фонемы в текстовый файл с указанием временных диапазонов? То, с каким качеством они это делают, значения не имеет, просто хочется лучше понять принцип.

Falconist · 22.05.2012, 22:51

Впервые слышу о таком. Знаю, что подобным занимались звукорежиссеры супер-класса. "На ухо". Примерно так:

https://kazus.ru/forums/showpost.php...3&postcount=58

int4880053 · 23.05.2012, 11:14

На самом деле такое есть но в РС я не встречал, только в DSP теперь,,
этим анализом занимались давно еще лет 25 назад когда строили речевые синтезаторы на обычных микрухах. Существует теория Фанта и на ее основе
строили и выделяли эти дела. по сути это были генераторы формант.
Программу же их выделения написать теперь я думаю не сложно. Но сам я
не занимался этим уже лет 25.

urys · 23.05.2012, 15:57

Может быть и есть и не сложно, но и не просто!
Для начала надо знать набор фонем для данного языка - это такой
алфавит, но в нем несколько сотен знаков-звуков. Затем иметь их
в каком-то электронно-спектральном...? виде. А уже после строить
алгоритм разделения на фонемы и их опознания.
Знаю, что существует весьма старая книга (условно ФОНЕМНЫЙ СЛОВАРЬ),
в которой каждое слово переведено на СТАНДАРТНЫЕ! русские фонемы. Но это для синтезатора.

adaser · 23.05.2012, 20:45

Друзья ученого Стивена Уильяма Хокинга сталкнулись с данной проблемой когда хотели облегчить ему жизнь. Там ситуация усложнялась тем что на тот момент он совсем не мог члено раздельно говорить, но друзьям удалось создать голосовой анализатор на базе пк.

tanq · 05.04.2013, 15:17

Сообщение от ltdx

просто хочется лучше понять принцип.

Если выского качества не нужно, то принцип простой: делаем STFT, анализируем спектр на наличие выраженных пиков. Пики будут соответствовать гласным, там где гласные отсутствуют - режем.

цифровик · 20.04.2014, 10:11

ltdx,

Не совсем понял ваш вопрос, в программе мультисим есть инструментарий, вернее

устанавливаются дополнительное оборудование взятого с NI сайта программы.

Что это такое: какая- то мелодия или речевой сигнал перекодируеться в определ.

формат, сейчас просто не помню. Далее через прибор установл. в мультисиме

воспроизводиться с рабочего стола диаграмма, в осцилл. Частотные характеристики сигнала. Далее этот сигнал записывался в цифровом коде и выводился в тхт на рабочий стол.Вообщем какая то прямо лаборатория по сравнению

допустим голосов двух человек. Занимался я этим. Если интересно то в теме:

Кто использует мультисим я это описывал.

messoft · 20.04.2014, 10:36

В конце 80-х, у приятеля видел книгу фонемы русского языка, весила килограмма два три. Приятель тогда занимался распознаванием языка, потом он уехал в Австралию. Про вес книги я к тому, чтобы вы представляли количество существующих фонем.

uk8amk · 26.04.2014, 16:30

ТС с того момента наверняка уже откопал ответ.
Для остальных:
Есть CMU Sphinx.
http://cmusphinx.sourceforge.net/
http://forum.sources.ru/index.php?showtopic=329674
Который также используется для сегментации и подготовки баз синтезаторов речи.