К примеру есть два зувуковых файла, нужно сравнить их в процентах, может кто знает как?


з.ы. если есть линк кидайте - полазию

Что значит "Сравнить в процентах"?

Это втом смысле во сколько процентов одни голос отличается от другого.
Иными словами существуют два звуковых файла один записан одним голосом,
другой другим. У этих голосов есть что-то общеее тональность, громкость, резкость и т.п.
Вот как определить, как эти параметры схожи или схожи ли вообще?



З.ы. Сорри, что тему забросил, больше так не буду

Модератор: Перенесено из С++

Klin
По-моему, ты некорректно формулируешь задачу.
Ты называешь сразу несколько параметров и хочешь чтобы это было одним махом оценено в процентах. А что тогда брать в качестве 100 процентов?

Если хочешь решить задачу идентификации или верификации диктора по голосу - это можно сделать, но не в процентах.

Задача идентификации или верификации диктора по голосу не такая уж простая, как может показаться на первый взгляд, но начинать надо с такого:
1. Поиск основного тона
2. Анализ частотных составляющих в голосе...

Podval, а как ты бы взялся за решение такой задачки, я имею ввиду задачу идентификации или верификации диктора по голосу. Думаю, что не в твоих принципах отказываться от вейвлетов в этом случае ?

Можно и с вейвлетами, а можно и без них обойтись, так же как и без поиска частоты основного тона.
Можно сделать совсем просто, можно сказать, традиционно: взять допустим вектор признаков из первых 12 MFCC или LPCC (они хорошо моделируют аккустический тракт, куда входит и голосовой аппарат). Читаем звуковые файлы фреймами с перекрытием, формируем векторы признаков. усредняем их на длительности фрейма: средний кепстр даст характеристику звукового тракта. Для задачи разделения двух (в простейшем случае) дикторов строим дискриминантную функцию и делим с ее помощью полученные наборы векторов. Вобщем, классический линейный дискриминантный анализ.
Вейвлетами можно усложнить вектор признаков. Для распознавания дикторов полезно бывает вычислить кепстральные коэффициенты от первых нескольких (обычно 3-х) коэффициентов аппроксимации и добавить к ним энтропию коэффициентов детализации. Это я имею в виду дискретное вейвлет-преобразование. Далее схема та же.
Для задачи идентификации просто делим наборы данных для разных дикторов. Для верификации проверяем пороговое значение критерия близости.
Если классов дикторов гораздо больше двух, то линейный дискриминантный анализ не дает положительных результатов (ошибается). Приходится использовать дискриминантный анализ с т.н. ядром, отличным от линейного.
Только это не нелинейный ДА. Русскоязычного термина для этой байды я не встречал, иностранцы называют Kernel Fisher Discriminant Analysis. Очень хорошо (для речи!) работает с ядром в виде радиальных базисных функций вида

exp(- ||x - y||^2/sigma^2).

Еще более крутой метод, работающий намного-намного точнее (делит практически любые наборы данных) - это Support Vectors Machines, а по-русски метод опорных векторов. Он использует те же ядра. С его помощью ошибку распознавания можно свести к величине менее 1%, даже если число классов подкатывает к сотне. Но метод очень прожорливый в части вычислительных ресурсов, когда число классов большое и обучиться надо на большом объеме данных.

Вобщем, тема обширная, сразу все не охватить.

З.Ы. что касается принципов использования вейвлетов, то после того, как хорошо помучился с ними, я для себя уже уяснил, что в распознавании речи с дискретным вейвлет-преобразованием делать нечего. Данный аппарат не для этого. Кодировать речь (да и вообще сигналы), сжимать, фильтровать с помощью вейвлетов- это замечательно и желательно.
Непрерывное ВП - еще куда ни шло. Однако, во-первых, наилучшего результата можно добиться использованием для этого преобразования Габора, но оно, строго говоря, не совсем вейвлет. Во-вторых, даже с ним (Габором) результат можно получить точнее на 2-3%, чем при использовании традиционного БПФ.
А может, люди еще не нашли подходящего способа, как вейвлеты в такие задачи пристроить.
В разпознавании дикторов - это я уже сказал, использовать вейвлеты можно. Но опраданы ли на это затраты - вопрос спорный.
Вобщем, вейвлеты хороши, там, где они хороши

Спасибо, podval, я думаю, что обязательно возвращусь к этому вопросу и мы еще побеседуем по этому поводу...

podval, извени, но ты тоже не понял нужно найти отличия, а проценты считать я и сам могу
Я не знаю, как отличия найти.

Цитата(Klin @ 12.11.2003, 18:44)

podval, извени, но ты тоже не понял нужно найти отличия, а проценты считать я и сам могу Я не знаю, как отличия найти.

И вот опять непонятно, что же ты хочешь сделать.

Мы тут только что порассуждали о том, что можно взять в качестве признаков для голосов. Считай признаки и смотри, чем они отличаются. Если набор признаков будет достаточно большой и разномастный, переведи это все в главные компоненты и сравнивай их в процентах. Можно график построить в виде зависимости первой главной компоненты от второй и полюбоваться им. Тогда на нем два голоса (файла) будут представлены точками. Насколько эти точки не совпадут - настолько они и разные.

Ага, теперь понял, что ты имел ввиду.
Да график построить можно, но для этого, как раз и нужны параметры
Вот как их узнать. А схема понятна.

Чтобы особо не мучиться сравнивай их частотные составляющие, просто и объективно... Главное, что еще и неплохо работает...
А еще проще, посчитай корреляцию...

Люди, здесь есть люди?
Может хватит отвечать ответом типа: "Посчитай все".
Есть есть вариант, то ХОТЬ алгаритм дайте.