本书源码


第1章基础知识

1.1声学基础

1．1．1声音的产生和传播

1．1．2声波的描述

1．1．3声音的客观衡量

1．1．4声音的主观属性

1．2音频文件格式

1．2．1WAV文件格式

1．2．2MP3文件格式

1．2．3MIDI文件格式

1．2．4其他文件格式

1.3Praat简介

1．3．1Praat概要

1．3．2Praat的下载和安装

1．3．3Praat的主要功能

1．3．4Praat基础操作

第2章Python基础

2．1Python简介

2．2Anaconda的安装

2．3主要Python库

2．4Python绘图基础

2．4．1散点图的绘制

2．4．2线性图的绘制

2．4．3图形的美化

2．4．4子图的绘制

2．5FFmpeg的安装与配置

第3章音频信号的获取

3．1采样与量化 

3．1．1采样相关概念

3．1．2从话筒拾取信号

3．2读取音频文件

3．3从视频文件提取

3．4声音的合成

3．4．1纯音的生成

3．4．2复合音的生成

3．4．3音效的合成

第4章音频信号分析初步

4．1分帧

4．2加窗

4．3信号的时域分析

4．3．1短时平均过零率

4．3．2短时平均能量

4．3．3短时自相关函数

4．4信号的频域分析

4．4．1频谱图

4．4．2傅里叶变换

4．4．3傅里叶变换的应用

4．5信号的时频域分析

4．5．1短时傅里叶变换

4．5．2语谱图

4．5．3宽带语谱图和窄带语谱图

4．5．4Praat中查看语谱图

4．6小波变换

4．6．1概述

4．6．2连续小波变换

4．6．3离散小波变换

4．6．4小波变换的应用

第5章语音识别基础

5．1语音的产生和感知

5．1．1语音信号的产生

5．1．2语音信号的感知

5．1．3语音信号的数字模型

5．2汉语的语音特征

5．2．1元音和辅音

5．2．2声母和韵母

5．2．3音素

5．2．4音调

5．3元音与共振峰

5．4语音端点检测

5．4．1音量法

5．4．2平均能量法

5．4．3双门限法

5．5基音估计

5．6梅尔倒谱系数

5．6．1MFCC特征提取步骤

5．6．2MFCC特征

5．6．3Fbank特征

第6章传统语音识别技术

6．1语音识别概述

6．2动态时间规整

6．3高斯混合模型

6．3．1高斯分布

6．3．2高斯混合模型

6．3．3GMMUBM

6．4隐马尔可夫模型

6．4．1马尔可夫链

6．4．2隐马尔可夫模型

6．4．3Viterbi算法

第7章语音识别实战

7．1Whisper的安装

7．2Whisper的使用

第8章语音合成

8．1文本转语音

8．1．1使用SAPI

8．1．2使用Pyttsx

8．1．3使用SpeechLib

8．2语音合成

8．2．1World声码器

8．2．2World声码器优点

8．2．3World的主要模块

8．2．4语音合成实战

第9章音乐分析

9．1常用音乐术语

9．2音乐分析常用指标

9．2．1频带能量比

9．2．2频谱特征

9．2．3恒Q变换

9．3声音的包络

9．4节拍检测

9．5音高识别

9．6调性分析

第10章MIDI文件编程

10．1MIDI文件格式剖析

10．1．1HC和TC

10．1．2时间差

10．1．3事件

10．2用Mido操作MIDI

10．3用Music21编曲

10．3．1Music21简介

10．3．2Music21的安装及配置

10．3．3Music21的层级结构

第11章深度学习基础

11．1神经网络基础

11．1．1神经元

11．1．2激活函数

11．1．3前馈神经网络

11．1．4梯度下降法

11．2PyTorch基础

11．2．1PyTorch简介

11．2．2PyTorch的主要模块

11．2．3PyTorch的安装

11．2．4张量

11．2．5计算图

11．2．6自动求导机制

11．2．7损失函数

11．2．8优化器

11．3案例： 声音的分类

11．3．1数据集介绍

11．3．2预处理

11．3．3数据载入类

11．3．4构建网络

11．3．5训练模型

11．3．6预测与验证

第12章常用神经网络

12．1卷积神经网络

12．1．1卷积运算

12．1．2池化

12．1．3卷积神经网络的结构

12．2循环神经网络

12．2．1RNN

12．2．2LSTM

12．2．3GRU

12．3案例： 音乐风格分类

12．3．1数据集介绍

12．3．2特征提取

12．3．3模型及训练

第13章深度学习与语音识别

13．1Word2Vec

13．1．1词向量

13．1．2Word2Vec

13．1．3Hierarchical Softmax

13．1．4负采样

13．2ELMo

13．3Transformer

13．3．1Transformer的构成

13．3．2位置编码

13．3．3注意力机制

13．3．4多头注意力

13．3．5残差连接和层归一化

13．3．6Transformer整体架构