开始使用音频工具箱
Audio Toolbox™提供了音频处理、语音分析和声学测量的工具。它包括处理音频信号的算法，如均衡和时间拉伸，估计声信号指标，如响度和清晰度，提取音频特征，如MFCC和音高。它还提供先进的机器学习模型，包括i向量和预训练的深度学习网络，包括VGGish和CREPE。工具箱应用程序支持实时算法测试、脉冲响应测量和信号标记。工具箱提供了ASIO™、CoreAudio和其他声卡的流接口;MIDI设备;以及用于生成和托管VST和音频单元插件的工具。
通过Audio Toolbox，您可以导入、标记和增强音频数据集，以及提取特征来训练机器学习和深度学习模型。提供的预训练模型可以应用于音频记录进行高级语义分析。
您可以实时创建音频处理算法的原型，或者通过将低延迟音频流到声卡和声卡之间，运行自定义的声学测量。您可以通过将算法转换为一个音频插件来验证算法，以便在外部主机应用程序(如数字音频工作站)中运行。插件托管允许您使用外部音频插件作为常规的MATLAB®对象。
教程
- 音频输入和音频输出
从文件中读取音频，并将音频写入扬声器。
- 处理和分析流音频
创建一个音频测试台架并应用实时处理。
- Simulink中的实时音频
使用Simulink创建一个模型®用于音频处理的模板和块。
- 使用深度学习对声音进行分类
训练、验证和测试一种简单的长时间短期记忆(LSTM)来分类声音。
- 使用预训练音频网络的迁移学习
使用迁移学习重新训练YAMNet，一个预训练卷积神经网络(CNN)，分类一组新的音频信号。
- 设计一个音频插件
在MATLAB中创建一个简单的音频插件，然后使用它来生成VST插件。
关于音频插件
- 什么是daw，音频插件和MIDI控制器?
了解数字音频工作站(DAWs)、音频插件和乐器数字接口(MIDI)控制器在设计音频处理算法中的作用。
关于音频的深度学习和机器学习
- 音频应用的深度学习
了解将深度学习应用到音频应用程序的常用工具和工作流程。
特色的例子
视频
什么是音频工具箱?
用音频工具箱设计和测试音频处理系统。
音频和语音应用深度学习导论
使用统计和机器学习工具箱™、深度学习工具箱™或其他机器学习工具创建或摄取数据集，提取特征，并开发音频和语音分析。
您也可以从以下列表中选择网站: