跟我一起学人工智能-语音与音乐信号处理轻松入门:基于Python与PyTorch

\\\"近年来人工智能技术突飞猛进，以语音识别为代表的音频处理技术取得了大量突破，但该领域内理论结合实战的入门书籍却较为缺乏，本书旨在为有志学习音频信号处理的读者提供一本实用的入门书籍。 本书共13章，第1章和第2章是基础部分，包括声学基础知识及Python基础等内容；第3到4章介绍了音频信号的获取及分析方法；第5~8章介绍了语音识别基础、传统语音识别技术及语音识别、语音合成的实战技术；第9章和第10章介绍了常用的音乐分析方法及Python编曲等内容；第11~13章介绍了深度学习的基础知识及如何用PyTorch对语音和音乐信号进行分析处理。 本书以通俗易懂的语言、图文并茂的讲解力图使读者在短时间内掌握音频信号处理的基本技术。本书既可供包括高校学生在内的各类初学者快速入门、也可供该领域的专业技术人员及爱好者参考。 \\\"

姚利民，毕业于东南大学，长期在外资企业从事管理工作，同时致力于AI及图像处理的研究。2012年赴某知名跨国企业全球总部工作，回国后自主创业。目前专注于人工智能各领域的研究。著有《Java+OpenCV高效入门》和《Java+OpenCV案例佳作选》。

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