MétaCan
Menu
Retour à la cohorte
Enregistrement W4409787672 · doi:10.61091/jcmcc127a-300

Artificial Intelligence-driven Speech Signal Extraction and Generation Based on Wave RNN Models

2025· article· en· W4409787672 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Combinatorial Mathematics and Combinatorial Computing · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech Recognition and Synthesis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRecurrent neural networkSpeech recognitionSIGNAL (programming language)Artificial intelligenceExtraction (chemistry)Natural language processingArtificial neural networkChemistry

Résumé

récupéré en direct d'OpenAlex

In the era of artificial intelligence, the technology of speech conversion has developed rapidly and has gradually become a hot topic of research in the field of speech processing.This paper explores the problem of speech signal extraction and generation based on Wave RNN model, and constructs a speech conversion generation model driven by artificial intelligence.First, the short-time Fourier transform is utilized to convert and preprocess the speech signal in the time-frequency domain.Second, a stepwise speech enhancement model is proposed to enhance the perceived strength of the speech signal.Then, a speech generation model based on improved self-attention mechanism and RNN is designed to realize the generation of speech signals.Finally, the model effect is evaluated for application.The time-frequency domain feature that mixes time-domain features and frequencydomain features is able to capture the characteristics of speech signals more comprehensively than a single time-domain feature and frequency-domain feature, which corresponds to a higher recognition accuracy and a lower training loss value.Meanwhile, after speech enhancement, the average accuracy of model A~D speech recognition is improved by 19%~25%, which indicates that the stepped speech enhancement model used in this paper can substantially enhance the perceptual strength of speech signals.In addition, the language conversion model in this paper outperforms other speech conversion models in both MCD and RMSE, and its advantage in rhyme mapping is obvious, and the pitch of the output speech is more accurate and natural.The model in this paper has high practical value in speech signal generation and conversion.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,792
Score d'incertitude au seuil0,930

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,053
Tête enseignante GPT0,285
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Combinatorial Mathematics and Combinatorial ComputingMême sujetSpeech Recognition and SynthesisTravaux en français237 207