Форум: Проблемы искусственного интеллекта

Регистрация | Вход

Все темы | Новая тема  Стр.25 (78) << < Пред. | След. > >>    Поиск:
Автор	Тема: На: Продвижки
Slava Сообщений: 3070	На: Продвижки Добавлено: 01 июл 13 23:36 Изменено: 28 окт 13 6:29, автор изменений: Kek del [Ответ][Цитата]
rrr3 Сообщений: 11857	На: Продвижки Добавлено: 01 июл 13 23:38 Изменено: 28 окт 13 6:29, автор изменений: Kek del [Ответ][Цитата]
ЭСГТР Сообщений: 8461	На: Продвижки Добавлено: 01 июл 13 23:55 Изменено: 28 окт 13 6:29, автор изменений: Kek del [Ответ][Цитата]
ЭСГТР Сообщений: 8461	На: Продвижки Добавлено: 01 июл 13 23:58 Изменено: 28 окт 13 6:29, автор изменений: Kek del [Ответ][Цитата]
rrr3 Сообщений: 11857	На: Продвижки Добавлено: 02 июл 13 0:01 Изменено: 28 окт 13 6:29, автор изменений: Kek del [Ответ][Цитата]
Tester64 Сообщений: 1910	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 02 июл 13 9:15 2Kek Уже добрался до 3-го пункта своего мегаплана - вывожу громкости от реального звука. Причем ВНУТРЕННЕГО, а не микрофонного. Хотя могу и микрофонного (одна галочка). Немного криво, но явно видно изменение. Причем запись ведется в кольцевой буфер без остановок (уже 6 часов протестировал). Теперь следующий пункт - попробую вывести реальные волны в много-линейный график и научусь писать в файл. Потом отполирую расчет громкости и смену качества записи на лету. На сегодня в программе уже 6 потоков и 2 графика... А у Вас как дела? p.s. Только заметил что тему уже давно переименовали... на "На: Продвижки" и разговор уже давно не о звуке и не о голосе... [Ответ][Цитата]
Kek Сообщений: 1133	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 02 июл 13 11:13 Цитата: Автор: Tester64 А у Вас как дела? p.s. Только заметил что тему уже давно переименовали... на "На: Продвижки" и разговор уже давно не о звуке и не о голосе... Тема замусоревается. Надо чистить. Но это потом. Уезжаю в деревню,там Инет никакой. Дела таковы. Как и у вас показать пока нечего. Пока концептуальные продвижки отдельных моментов. Сделел память первого уровня - сенсорную. Запоминаются толко уникальные кадры, которые по имеющемуся критерию считаются не одинаковыми. Одновременно с записью кадра в память происходит анализ и ранжирование по частоте встречаемости. Все очень быстро, т.к. перетасовки массивов не происходит, а происходит перетасовка уникальных индексов массива, которые просто число. Организована память второго уровня, элементом которой является два числа. Первое число - индекс массива сенсорной области, второе число - такой же индекс. Этот факт отражает, что в данной реализации отмечены два чередующихся кадра. Сделана память третьего уровня, у нее элемент тоже два числа. Этот факт отражает чередование четырех кадров. И т.д. По степени двойки. Каждый уровень также ранжируется по количеству повторяемости. Дальше вроде бы надо набирать статистику, но меня останавливает незавершенность. Есть понимание, что статистика ничего не даст существенного. Нужно придумать, а что система будет делать с этми уровнями памяти. Понимание есть, но это долго объяснять. И думать, думать... [Ответ][Цитата]
Tester64 Сообщений: 1910	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 02 июл 13 11:53 Цитата: Уезжаю в деревню,там Инет никакой. Удачного отдыха! эх... и мне бы туда где инет никакой... И мобильный не ловит (увы не знаю таких мест) Цитата: Как и у вас показать пока нечего. Увы! Проделано работы УЙМА, а показать нечего. Все внутри, куча мелочей, куча теории, а до реального распознавания еще месяцы рабты... Хотя... При такой работе через месяц-два смогу показать красивые бегущие (и главное ОЧЕНЬ надежные) графики с микрофона, внутреннего аудио и из файла. Пока-что "утилитка" получается ОЧЕНЬ красивой и удобно настраиваемой. А учитывая многолетний (>10лет) оптыт в Делфи, то чего там только нет... И свой скин (оптимизированый для разрабки), и свой отладчик, и регистрация через ключи (уже пол года встраиваю во ВСЕ свои даже домашние проекты). Короче ЛИЧНО МОЕГО кода уже 650кбайт. Цитата: Сделел память первого уровня - сенсорную... Организована память второго уровня, ... Дальше вроде бы надо набирать статистику, но меня останавливает незавершенность. Есть понимание, что статистика ничего не даст существенного. Нужно придумать, а что система будет делать с этми уровнями памяти. Подозреаю СИЛЬНУЮ разбежность в терминологии... Термин "память" немного сбивает с мысли - возможно имеете в виду буферы. Накопительный от внешнего сигнала (?сенсорный) и результаты его обрабоки разныи алгоритмами... Приедите - обьясните... [Ответ][Цитата]
Kek Сообщений: 1133	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 02 июл 13 12:19 Цитата: Автор: Tester64 Термин "память" немного сбивает с мысли - возможно имеете в виду буферы. Накопительный от внешнего сигнала (?сенсорный) и результаты его обрабоки разныи алгоритмами... Приедите - обьясните... Пока не уехал поясню. Конечно буфер - динамический массив. Data: array of array of byte; Сенсорный массив - это набор локальных максимумов амплитуд спетра от 7-й гармоники до 200-ой, который реализовался за 40 мс. Динамики амплитуды хватает на байт 0-255 за глаза. Можно даже уменьшить. Удивительно следующее, что при обратном проигрывании я вместо амплитуд каждой гармоники подставляю константу. Т.е. динамический диапазон - никакой. Т.е. взять все амплитуды гармоник за кадр и подстричь на одинаковом уровне. И все равно ухо что-то распознает: Это оригинальный голос. А это с константой. [Ответ][Цитата]
Tester64 Сообщений: 1910	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 02 июл 13 12:49 Цитата: Сенсорный массив - это набор локальных максимумов амплитуд спетра от 7-й гармоники до 200-ой, который реализовался за 40 мс. Динамики амплитуды хватает на байт 0-255 за глаза. Можно даже уменьшить. Удивительно следующее, что при обратном проигрывании я вместо амплитуд каждой гармоники подставляю константу. Т.е. динамический диапазон - никакой. Т.е. взять все амплитуды гармоник за кадр и подстричь на одинаковом уровне. И все равно ухо что-то распознает: Это оригинальный голос. А это с константой. Довольно мутная схема... Начну с файлов - признаюсь если бы слушал не с оригинала а с констант - не догодался бы что это за фраза! СОВСЕМ не догодался бы... В коды (раньше Вы выкладывали) серьезно лезть не хочется - смотрел "по диагонали" и даже не пытался понять где там начинается распознавание... Теперь вопросы: "локальных максимумов амплитуд спектра от 7-й гармоники до 200-ой, который реализовался за 40 мс" - берете запись за 40 мс, из микрофона в виде таблицы амплитуд и... дальше "поплыл"! Гармоники - это что? Раскладываете через FFT таблицу на таблицу из 200 частот? Или это просто название результата прогонки этого начального аудио-буфера через некую математическую функцию "разложения на гармоники"? Или работаете напрямую с первичной таблицей? "Динамики амплитуды хватает на байт 0-255 за глаза." - опять "поплыл"! Результатом КАКИХ амплитуд пользуетесь? Первичную аудио-таблицу урезаете или результат обработки математикой? почему 255? Где-то догадваюсь, но прежде чем задавать следующие вопросы, хотелось бы получить ответы на уже заданные... [Ответ][Цитата]
Kek Сообщений: 1133	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 02 июл 13 17:57 Цитата: Автор: Tester64 Гармоники - это что? Раскладываете через FFT таблицу на таблицу из 200 частот? Гармоника - это частота от FFT преобразования. Я во второй раз встречаю непонимание этого термина, странно... Колебания гармонические складываются в определенной фазе и с определенной амплитудой и в результате получается непрерывный исходный сигнал - это обратное Фурье преобразование. Тут же ответ на второй вопрос об амплитуде. Гармонические колебания определенной амплитуды, фаза не важна, я об этом говорил. А теперь и амплитуда не важна, она не разная у каждой гармоники, а одинаковая. Результат звучания мутный, но это просто для примера, который говорит, что значения этих амплитуд могут быть сужены по динамическому диапазону. Об этом говорят и приверженцы МЕЛ-частотного преобразования, который используют логарифм. Опять же, чтобы сузить динамический диапазон. [Ответ][Цитата]
vchc Сообщений: 194	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 03 июл 13 1:18 Цитата: Автор: Kek Гармоника - это частота от FFT преобразования. Я во второй раз встречаю непонимание этого термина, странно... Вы некорректно используете термин "гармоника". По определению это элементарная составляющая гармонического сигнала. Делая прямое FFT, вы производите свёртку с опорными колебаниями. Так вот результат этой свёртки уже нельзя называть "гармоникой". При работе со спектром используют термины спектральная составляющая, спектральная компонента, частотная позиция, элементарный частотный канал и так далее. Сделав обратное FFT вы перейдёте от спектра к гармоническому сигналу и соответственно от спектральных компонент к гармоникам. Возможно это какая-то особенность вашей школы обучения. [Ответ][Цитата]
Tester64 Сообщений: 1910	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 03 июл 13 2:47 Цитата: Гармоника - это частота от FFT преобразования. Я во второй раз встречаю непонимание этого термина, странно... Колебания гармонические складываются в определенной фазе и с определенной амплитудой и в результате получается непрерывный исходный сигнал - это обратное Фурье преобразование. Тут же ответ на второй вопрос об амплитуде. Гармонические колебания определенной амплитуды, фаза не важна, я об этом говорил. А теперь и амплитуда не важна, она не разная у каждой гармоники, а одинаковая. Результат звучания мутный, но это просто для примера, который говорит, что значения этих амплитуд могут быть сужены по динамическому диапазону. Об этом говорят и приверженцы МЕЛ-частотного преобразования, который используют логарифм. Опять же, чтобы сузить динамический диапазон. Теперь немного понятнее... Не удивляйтесь про Гармонику - я тоже (как и vchc) помню что это составляющая ЯВНО не речи. И самым близким значением в теории речи является "частота". Про ФАЗЫ вполне согласен, хотя интересно будет их отобразить на графике... может они тоже несут важную инфонмацию... И возможно уменьшат потери качества при обратном преобразовании Фурье (частоты склеиваем назад в звук после усиления/чистки/фильтра/преобразований). Но в общих чертах понял - Вы пытаетесь использовать чистую математику. Вы нашли формулы разложения в (довольно странный) набор частот, удобный для формул. Полностью игнорируете ВСЕ потери как не важные. И даже если слух после обратного преобразования почти не справляется, считаете что для "распознавалки" ЭТОГО хватит... А я пытаюсь далеко не уходить от физики - максимум частот(кторые выжму и процессора), полные амплитуды. Не слыал про ограничения частот в ухе человека. А амплитуды частот дают разный УРОВЕНЬ сигнала в передающих (в центр распознания) нейронах. Возможно, если получится, будет еще "слой" фаз (может пригодится). На каждом этапе обратное пребразование и прогон через "свои уши" чтобы не потерять больше 5-10% качества и 0% "понимаемости/распознаваемости". Например чтобы убедится что ушел именно шум или неслышимые (мне, а возможно и кому-нибудь еще) частоты полезные для распознавания. Когда-же получу результат - это будет похоже на горный ланшафт из частот И их преобразования(например логарифмическая амплитуда, линейка частот и даже длина фонемы). Теперь постараюсь добиться чтобы ланшафт от вашей "мамани"(фонемы) стал ОЧЕНЬ похож на мой(с небольшими РУЧНЫМИ преобразованиями - сжатие/растяжение, чистка шумов и лишних сигналов, возможно прокутка), но АБСОЛЮТНО не похож на другую фонему. А дальше уже применю свои задумки алгоритмов (желательно НЕ нейроные) по поиску этих сходств в базе данных. Причем предварительно постараюсь их ПРОИНДЕКСИРОВАТЬ, чтобы распознаание занимало на порядки меньше времени чем сравнение с каждой фонемой-образцом чрез нейронную матрицу (но ЭТОТ этап будет ох как не скоро). p.s. Советую посмотреть на аудио-проигрыватель foobar2000 - показ FFT на 16384 (похоже частот) при проигрывании аудио-книги. Поразительное зрелище. Она меня и стимулирует возвращаться к этой программе. Глядя на эти частоты (особенно если растянуть на весь экран в линейных и стационарных режимах) чуствуешь что скоро в этих распечатках похожих на ДНК сможеш читать надиктовываемый текст - чуть-чуть качества не хватает и слишком быстро двигается - не успеваю.. скриншот [Ответ][Цитата]
Slava Сообщений: 3070	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 03 июл 13 3:20 Цитата: Автор: Tester64 Советую посмотреть на аудио-проигрыватель foobar2000 - показ FFT на 16384 (похоже частот) при проигрывании аудио-книги. Поразительное зрелище. Она меня и стимулирует возвращаться к этой программе. Глядя на эти частоты (особенно если растянуть на весь экран в линейных и стационарных режимах) чуствуешь что скоро в этих распечатках похожих на ДНК сможеш читать надиктовываемый текст - чуть-чуть качества не хватает и слишком быстро двигается - не успеваю.. скриншот Давно на речь не глядел, но эти картинки очень напоминают то, что мы видим изучая схватки у беременных [Ответ][Цитата]
Tester64 Сообщений: 1910	На: Проект Sound-Agent. Инструментарий. Эксперимент. Добавлено: 03 июл 13 3:22 Нашел аудио-книгу в неизвестном мне формате .m4b Шикарное сжатие - не ожидал! 160 Мб на 6:30 часов!!!! Так вот в foobar2000 ВИДНО какие частоты срезаны, как их можно просеивать без потери качесва. ШИКАРНЫЙ график... еще бы сделать возможность накладывать СВОИ фильтры по вырезанию частот и раскрасить цветами по формулам... Скриншот2 [Ответ][Цитата]
Стр.25 (78): 1  ...  21  22  23  24  [25]  26  27  28  29  ...  78 << < Пред. | След. > >>