[ΨΕΣ] Εργασία 2015/16

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[height=400]

  Όταν ανεβάζουμε φωτογραφίες στις Ανακοινώσεις και Έκτακτα νέα, βάζουμε τη μεγαλύτερη πλευρά 400 (width=400 ή height=400 ). π.χ. [img height=400 (κλείνει η αγκύλη) 

[gmtms]

Μπαλες, δεν γινεται με τιποτα να καθαρισεις απολυτα το αρχειο ωστε να ειναι ευκρινης η ομιλεια, ανεξαρτητα απο το φιλτρο που θα φτιαξεις (εκτος αν μπορει να με αποδειξει καποιος λαθος). Δεν ξερω αν ειναι επειδη η σειρηνα εχει αρμονικες σε συχνοτητες σημαντικες για την αναγνωριση φωνης ή αν επειδη απλα το αρχειο ειναι αρκετα χαμηλης ποιοτητας και η ομιλεια ειναι εξαρχης σκατα. Αυτο που αναρωτιεμαι ειναι πως θα κανουμε καλο (ή οποιοδήποτε) voice morphing όταν το target speech ειναι μετα βιας αναγνωρισιμο απο ανθρωπινο αυτί.

Αν εχει καταφερει καποιος να κανει το δευτερο, ας πει κατι, τουλαχιστον να ξερουμε οτι γινεται και δεν σκοτωνουμε την ωρα μας τζαμπα

[ilelekas]

Ούτε και σε μενα έχει καθαρίσει τελείως το σήμα, απλά νομίζω οτι δε σε απασχολεί και πολύ αυτό. Για το voice morphing πρέπει να κοιτάξεις να έρθουν τα pitch των σημάτων κοντά ώστε το source signal(η φωνη σου δηλαδή), να ακούγεται σαν το target signal (terrorist). Τώρα αυτό που έκανα εγώ, ήταν αρχικά να κάνω segmentation στα δύο σήματα, ώστε να κρατάω μια λέξη κάθε φορά σχηματίζοντας δύο cell arrays για την αποθήκευση των segments-λέξεων (τα οποία θα σου χρειαστούν και στο part 3 του recognition), έπειτα εφάρμοσα ξεχωριστά σε κάθε λέξη τον αλγόριθμο sola και pitch modification (υλοποιημένα και τα δύο ονλινε) με βάση τον αλγόριθμο στο pdf 'MatlabBasedVoice ConversionModelUsingPSOLA Algorithm'. Έτσι με εφαρμογή TD-psola προκύπτει μέτριο προς καλό αποτέλεσμα (αν εξετάσεις μεμονωμένα λέξεις οι δυο φωνές όντως φαίνεται να πλησιάζουν) και προσπαθώ τώρα να συνδυάσω και FD-psola μήπως και πάρω καλύτερο αποτέλεσμα, γεγονός που με έχει ταλαιπωρήσει αρκετά. Google πάντως για psola, td-psola, fd-psola,pitch modification και θα βρείτε τα πάντα..