語音與音樂信號處理輕松入門（基於Python與PyTorch）

姚利民

語音與音樂信號處理輕松入門（基於Python與PyTorch） 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2025-03-01
  • 定價: $414
  • 售價: 8.5 折 $352
  • 語言: 簡體中文
  • ISBN: 7302679118
  • ISBN-13: 9787302679110
  • 相關分類: DeepLearning

    • 下單後立即進貨 (約4週~6週)

  • 語音與音樂信號處理輕松入門（基於Python與PyTorch）-preview-1
  • 語音與音樂信號處理輕松入門（基於Python與PyTorch）-preview-2
  • 語音與音樂信號處理輕松入門（基於Python與PyTorch）-preview-3
語音與音樂信號處理輕松入門（基於Python與PyTorch）-preview-1

相關主題

商品描述

"近年來人工智能技術突飛猛進，以語音識別為代表的音頻處理技術取得了大量突破，但該領域內理論結合實戰的入門書籍卻較為缺乏，本書旨在為有志學習音頻信號處理的讀者提供一本實用的入門書籍。 本書共13章，第1章和第2章是基礎部分，包括聲學基礎知識及Python基礎等內容；第3到4章介紹了音頻信號的獲取及分析方法；第5~8章介紹了語音識別基礎、傳統語音識別技術及語音識別、語音合成的實戰技術；第9章和第10章介紹了常用的音樂分析方法及Python編曲等內容；第11~13章介紹了深度學習的基礎知識及如何用PyTorch對語音和音樂信號進行分析處理。 本書以通俗易懂的語言、圖文並茂的講解力圖使讀者在短時間內掌握音頻信號處理的基本技術。本書既可供包括高校學生在內的各類初學者快速入門、也可供該領域的專業技術人員及愛好者參考。 "

目錄大綱

本書源碼

第1章基礎知識

1.1聲學基礎

1．1．1聲音的產生和傳播

1．1．2聲波的描述

1．1．3聲音的客觀衡量

1．1．4聲音的主觀屬性

1．2音頻文件格式

1．2．1WAV文件格式

1．2．2MP3文件格式

1．2．3MIDI文件格式

1．2．4其他文件格式

1.3Praat簡介

1．3．1Praat概要

1．3．2Praat的下載和安裝

1．3．3Praat的主要功能

1．3．4Praat基礎操作

第2章Python基礎

2．1Python簡介

2．2Anaconda的安裝

2．3主要Python庫

2．4Python繪圖基礎

2．4．1散點圖的繪制

2．4．2線性圖的繪制

2．4．3圖形的美化

2．4．4子圖的繪制

2．5FFmpeg的安裝與配置

第3章音頻信號的獲取

3．1採樣與量化 

3．1．1採樣相關概念

3．1．2從話筒拾取信號

3．2讀取音頻文件

3．3從視頻文件提取

3．4聲音的合成

3．4．1純音的生成

3．4．2復合音的生成

3．4．3音效的合成

第4章音頻信號分析初步

4．1分幀

4．2加窗

4．3信號的時域分析

4．3．1短時平均過零率

4．3．2短時平均能量

4．3．3短時自相關函數

4．4信號的頻域分析

4．4．1頻譜圖

4．4．2傅里葉變換

4．4．3傅里葉變換的應用

4．5信號的時頻域分析

4．5．1短時傅里葉變換

4．5．2語譜圖

4．5．3寬帶語譜圖和窄帶語譜圖

4．5．4Praat中查看語譜圖

4．6小波變換

4．6．1概述

4．6．2連續小波變換

4．6．3離散小波變換

4．6．4小波變換的應用

第5章語音識別基礎

5．1語音的產生和感知

5．1．1語音信號的產生

5．1．2語音信號的感知

5．1．3語音信號的數字模型

5．2漢語的語音特徵

5．2．1元音和輔音

5．2．2聲母和韻母

5．2．3音素

5．2．4音調

5．3元音與共振峰

5．4語音端點檢測

5．4．1音量法

5．4．2平均能量法

5．4．3雙門限法

5．5基音估計

5．6梅爾倒譜系數

5．6．1MFCC特徵提取步驟

5．6．2MFCC特徵

5．6．3Fbank特徵

第6章傳統語音識別技術

6．1語音識別概述

6．2動態時間規整

6．3高斯混合模型

6．3．1高斯分佈

6．3．2高斯混合模型

6．3．3GMMUBM

6．4隱馬爾可夫模型

6．4．1馬爾可夫鏈

6．4．2隱馬爾可夫模型

6．4．3Viterbi算法

第7章語音識別實戰

7．1Whisper的安裝

7．2Whisper的使用

第8章語音合成

8．1文本轉語音

8．1．1使用SAPI

8．1．2使用Pyttsx

8．1．3使用SpeechLib

8．2語音合成

8．2．1World聲碼器

8．2．2World聲碼器優點

8．2．3World的主要模塊

8．2．4語音合成實戰

第9章音樂分析

9．1常用音樂術語

9．2音樂分析常用指標

9．2．1頻帶能量比

9．2．2頻譜特徵

9．2．3恆Q變換

9．3聲音的包絡

9．4節拍檢測

9．5音高識別

9．6調性分析

第10章MIDI文件編程

10．1MIDI文件格式剖析

10．1．1HC和TC

10．1．2時間差

10．1．3事件

10．2用Mido操作MIDI

10．3用Music21編曲

10．3．1Music21簡介

10．3．2Music21的安裝及配置

10．3．3Music21的層級結構

第11章深度學習基礎

11．1神經網絡基礎

11．1．1神經元

11．1．2激活函數

11．1．3前饋神經網絡

11．1．4梯度下降法

11．2PyTorch基礎

11．2．1PyTorch簡介

11．2．2PyTorch的主要模塊

11．2．3PyTorch的安裝

11．2．4張量

11．2．5計算圖

11．2．6自動求導機制

11．2．7損失函數

11．2．8優化器

11．3案例： 聲音的分類

11．3．1數據集介紹

11．3．2預處理

11．3．3數據加載類

11．3．4構建網絡

11．3．5訓練模型

11．3．6預測與驗證

第12章常用神經網絡

12．1捲積神經網絡

12．1．1捲積運算

12．1．2池化

12．1．3捲積神經網絡的結構

12．2循環神經網絡

12．2．1RNN

12．2．2LSTM

12．2．3GRU

12．3案例： 音樂風格分類

12．3．1數據集介紹

12．3．2特徵提取

12．3．3模型及訓練

第13章深度學習與語音識別

13．1Word2Vec

13．1．1詞向量

13．1．2Word2Vec

13．1．3Hierarchical Softmax

13．1．4負採樣

13．2ELMo

13．3Transformer

13．3．1Transformer的構成

13．3．2位置編碼

13．3．3註意力機制

13．3．4多頭註意力

13．3．5殘差連接和層歸一化

13．3．6Transformer整體架構

類似商品

最後瀏覽商品 (2)