开始音频工具箱
Audio Toolbox™提供了用于音频处理,语音分析和声学测量的工具。它包括用于处理音频信号(例如均衡和时间拉伸)的算法,估计声学信号指标,例如响度和清晰度,以及提取音频功能,例如MFCC和PITCH。它还提供了高级机器学习模型,包括I-Vectors和预估计的深度学习网络,包括Vggish和Crepe。工具箱应用程序支持实时算法万博1manbetx测试,脉冲响应测量和信号标签。该工具箱为ASIO™,CoreAudio和其他声卡提供了流界面;MIDI设备;以及用于生成和托管VST和音频单元插件的工具。
使用音频工具箱,您可以导入,标签和增强音频数据集,以及提取功能,以训练机器学习和深度学习模型。提供的预训练模型可以应用于音频记录,以进行高级语义分析。
您可以实时原型音频处理算法,或通过将低延迟音频传输到声卡中和从声卡中进行自定义声学测量。您可以通过将其转换为音频插件来验证您的算法,以在数字音频工作站等外部主机应用程序中运行。插件托管使您可以将外部音频插件用作常规MATLAB®对象。
教程
- 音频输入和音频输出
从文件中读取音频,然后将音频写给扬声器。
- 处理和分析流音频
创建音频测试台并应用实时处理。
- Simulink中的实时音频万博1manbetx
使用Simulink创建模型万博1manbetx®用于音频处理的模板和块。
- 使用深度学习对声音进行分类
训练,验证和测试简单的长期记忆(LSTM)以对声音进行分类。
- 通过预验证的音频网络转移学习
使用转移学习来重新培训Yamnet(预验证的卷积神经网络(CNN))对一组新的音频信号进行分类。
- 设计音频插件
在MATLAB中创建一个简单的音频插件,然后使用它来生成VST插件。
关于音频插件
- 什么是DAW,音频插件和MIDI控制器?
了解数字音频工作站(DAWS),音频插件和乐器数字界面(MIDI)控制器在设计音频处理算法中的作用。
关于音频的深度学习和机器学习
- 音频应用深度学习简介
学习常见的工具和工作流程,将深度学习应用于音频应用程序。
特色示例
视频
什么是音频工具箱?
使用音频工具箱设计和测试音频处理系统。
音频和语音应用深度学习简介
创建或摄入数据集,提取功能,并使用统计信息和机器学习工具箱™,Deep Learning Toolbox™或其他机器学习工具开发音频和语音分析。