Approche d'apprentissage automatique pour la détection des voix

Dans certaines applications, telles que l'analyse et la synthèse de la parole, la suppression et l'amélioration du bruit, il peut être nécessaire d'extraire certaines propriétés clés du signal original, comme les sons vocaux, les sons non vocaux ou le bruit, à l'aide d'algorithmes spécifiques de traitement des signaux numériques. ...la performance de ces systèmes, tels que le codage de la parole, l'analyse de la parole, la synthèse de la parole, la reconnaissance automatique de la parole, la suppression et l'amélioration du bruit, la détection de la hauteur, l'identification du locuteur et la reconnaissance des pathologies de la parole, dépend de la capacité du système à détecter les segments de parole voisés/non-voisés/silencieux corrects.

Autorentext

M. Mohammed Abebe Yimer est titulaire d'une licence en informatique de l'université d'Arba Minch (2006) et d'une maîtrise en informatique (2010). Il poursuit actuellement son doctorat en ingénierie informatique à l'université Dokuz Eylul d'Izmir (Turquie) depuis 2015.

Klappentext

Dans certaines applications, telles que l'analyse et la synthèse de la parole, la suppression et l'amélioration du bruit, il peut être nécessaire d'extraire certaines propriétés clés du signal original, comme les sons vocaux, les sons non vocaux ou le bruit, à l'aide d'algorithmes spécifiques de traitement des signaux numériques. ...la performance de ces systèmes, tels que le codage de la parole, l'analyse de la parole, la synthèse de la parole, la reconnaissance automatique de la parole, la suppression et l'amélioration du bruit, la détection de la hauteur, l'identification du locuteur et la reconnaissance des pathologies de la parole, dépend de la capacité du système à détecter les segments de parole voisés/non-voisés/silencieux corrects.