我有英语单词的音频及其频谱图。（频谱图是信号的频域表示）考虑这些词：链、变化、椅子、章节。如您所见，“ch”音在所考虑的单词中很常见。
是否有一种算法可以让我确定频谱图（数据）的哪一部分在单词的频谱图之间是共同的？换句话说，是否有一种算法可以识别频谱图中每个单词中代表“ch”声音的部分？
音频频谱图中的特征提取
数据挖掘
特征选择
特征提取
无监督学习
2022-01-31 20:36:54
1个回答
“ch”音称为音素。音素级别的自动语音分割（与单词或句子相反）将允许您从语音样本中提取每个音素。这有时被称为音素分割。文献中有几篇关于这方面的论文。
一旦提取了音素，就可以计算它们之间的距离/相似性（在某些特征空间中）。一个示例特征表示可以是 MFCC。
其它你可能感兴趣的问题