Audio Toolbox™提供音频处理、语音分析和声学测量工具。它包括处理音频信号(如均衡和时间延伸)的算法,估计音频信号度量(如响度和清晰度),以及提取音频特征(如MFCC和音调)的算法。它还提供先进的机器学习模型,包括i-向量,和预先训练的深度学习网络,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记。工具箱提供ASIO™、CoreAudio和其他声卡的流接口;MIDI设备;以及用于生成和托管VST和音频单元插件的工具。
通过Audio Toolbox,您可以导入、标签和增强音频数据集,以及提取特征来训练机器学习和深度学习模型。所提供的预训练模型可用于音频记录的高级语义分析。
您可以实时创建音频处理算法的原型,也可以通过将低延迟音频传输到声卡或从声卡传输来运行定制的声学测量。你可以验证你的算法,把它变成一个音频插件运行在外部主机应用程序,如数字音频工作站。插件托管让您使用外部音频插件作为常规MATLAB®对象。
从文件中读取音频,并将音频写入扬声器。
创建一个音频测试平台并应用实时处理。
使用Simulink创建一个模型万博1manbetx®音频处理的模板和块。
训练、验证和测试一个简单的长短期记忆(LSTM)来分类声音。
使用迁移学习来重新训练YAMNet,一个预先训练的卷积神经网络(CNN),对一组新的音频信号进行分类。
在MATLAB中创建一个简单的音频插件,然后使用它来生成一个VST插件。
了解数字音频工作站(DAWs)、音频插件和乐器数字接口(MIDI)控制器在音频处理算法设计中的作用。
学习将深度学习应用于音频应用的常用工具和工作流程。