通过隐式模块化视听表示进行姿势可控的会说话脸生成（CVPR 2021）
，孙亚生，，，和。
| |
我们提出了可姿势控制的视听系统（PC-AVS） ，该系统可在驱动带有声音的任意说话的面部时实现自由姿势控制。 代替从音频中学习姿势运动，我们利用另一个姿势源视频来仅补偿头部运动。 关键是设计一种隐含的低维姿势代码，该代码不包含嘴巴形状或身份信息。 通过这种方式，将视听表示模块化为三个关键因素的空间：语音内容，头部姿势和身份信息。
要求
使用Python 3.6和 1.3.0。 基本要求在“ requirements.txt”中列出。
pip install -r requirements.txt
快速入门：生成演示结果
下载预训练的检查点。
创建默认的文件夹./checkpoints并解压demo.zip在./checkpoints/demo 。 其中应该有5 pth 。
解压缩mi
2022-05-18 16:34:32
28.48MB
1
入门级，一个JSP+Servlet的项目，通过一步一步细致的操作，教你如何建立一个Web项目。
2022-05-13 17:42:56
19.53MB
1
matlab说话代码使用matlab中的MFCC算法进行说话人语音识别
根据他的声音检测说话者。
在这个项目中，我们主要处理文本相关的说话人识别系统，即说话人必须说出特定的单词来检测他的声音。
笔记：
文件mfcc.m，vec2frames.m，trifbank.m的版权归Kamil
Wojcicki所有。
Kamil
Wojcicki版权所有（c）2011，保留所有权利。
如果满足以下条件，则允许以源代码和二进制形式进行重新分发和使用，无论是否经过修改，都可以：
重新分发源代码必须保留上述版权声明，此条件列表和以下免责声明。
二进制形式的重新分发必须在分发随附的文档和/或其他材料中复制上述版权声明，此条件列表以及以下免责声明
未经事先特别书面许可，不得使用德克萨斯大学达拉斯分校的名称或其贡献者的名称来认可或促销从该软件衍生的产品。
版权持有者和贡献者按“原样”提供此软件，不提供任何明示或暗示的担保，包括但不限于针对特定目的的适销性和适用性的暗示担保。
版权拥有者或贡献者在任何情况下均不对任何直接，间接，偶发，特殊，专有或后果性的损害（包括但不限于，替代商品或服务的购买，使用，数据，或
2022-05-12 09:37:47
13KB
1
matlab说话代码语音识别系统
这是关于使用MATLAB实现信号分析和语音识别系统。
特征
Speech_recognition_1.m
音频信号图
语音起点和终点检测
离散傅立叶变换
信号预加重
信号压缩（线性预测编码）
Speech_recognition_2.m
特征提取（MFCC）
使用失真矩阵和动态规划的语音识别
数据
该项目中使用的数据是通过人工记录的。
“
1、2、4、5、6”的声音分别录制了两次，分为2组。
重复录音主要用于语音识别部分，一组已知，用于测试以对语音进行分类。
结果
输出保存在./result目录中。
包括：信号波，DFT波，梅尔倒谱，点检测结果，识别结果。
2022-05-12 08:32:05
1.43MB
1
inaSpeechSegmenter
inaSpeechSegmenter是一个基于CNN的音频分段工具包。
它将音频信号分成语音，音乐和噪音的均匀区域。 语音区域分为使用说话者性别（男性或女性）标记的片段。 男性和女性分类模型针对法语进行了优化，因为他们是使用法语说者进行培训的（说话者性别的声学相关性取决于语言）。 对应于音乐之上的语音或噪声之上的语音的区域被标记为语音。
设计inaSpeechSegmenter的目的是基于男女语音时间百分比估计来执行。
安装
inaSpeechSegmenter是python 3中的框架。仅支持大于或等于3.6的python版本。 可以使用以下过程进行安装：
先决条件
inaSpeechSegmenter需要ffmpeg才能解码任何类型的格式。 可以使用以下命令行完成ffmpeg for ubuntu的安装：
$ sudo apt-get in
2022-05-07 15:36:40
13.44MB
1