English version of this page

Zpět na hlavní stránku | seznam cvičení

DOMÁCÍ ÚKOL: (5 bodů)

• Zobrazení kepstrálního prostoru dvou různých mluvčího
  • Vytvořte trénovací data pro mluvčího SPK1 (optimálně pro váš hlas), tj. použijte promluvy S0-S9 nahrané na 1. cvičení vypočítejte matici MFCC kepstrálních koeficientů pro všechny krátkodobé segmenty s řečovou aktivitou (e.g. "T20xxxS0.CS0 - T20xxxS9.CS0").
  • Použijte signály nahrané na 1. cvičení:
    • Nahrané signály převzorkované na 16 kHz (soubory *.CS0) jsou na ČVUT FEL k disposici k přímému použití v adresáři "K:\Vyuka\ZRE\data\zreratdb".
    • Pro práci mimo síť FEL je možné stáhnout pouze následující archiv zrerat_block200_2025_cs0.zip, který obsahuje nahrávky od více mluvčích (včetně vašich osobních) převzorkované na 16 kHz.
  • Pro výpočet použijte funkci vmfcc.m (i další volané funkce , melbf.m, mel.m, melinv.m), přičemž nastavte následující parametry krátkodobé analýzy a výpočtu jednotlivých typů kepstra:
    • před výpočtem kepstra aplikujte preefmázový filtr s koeficientem 0.97,
    • délka segmentu 25 ms, posuv okna 5 ms, Hammingovo váhovací okénko (implicitní nastavení),
    • počet pásem banky filtrů M=30, fmin=100Hz, fmax=6500Hz,
    • počet kepstrálních koeficientů cp=12 (tj. 12 + 1).
    • použijte VAD na bázi výkonu v dB s prahováním na úrovni okolo 50% dynamiky (výkon signálu v jednotlivých segmentech počítejte z původního signálu bez aplikace preemfáze; lze použít fce speechpwr.m a thr_fixed.m) - .
  • Napočítaná kepstra bez koeficientu c[0] uložte do matice cspk1_train a sledujte rozložení kepstra v prostoru kepstrálních koeficientů pro c[1] - c[8].

  • Opakujte se stejným nastavením pro promluvy Z0-Z9 (tj. "T2ExxxZ0.CS0 - T2ExxxZ9.CS0") a výsledek uložte do matice cspk1_test a sledujte rozložení kepstra pro c[1] - c[8].

  • Nakonec vypočtě kepstra pro promluvy Z0-Z9 jiného řečníka SPK2 (tj. "T2EyyyZ0.CS0 - T2EyyyZ9.CS0") a výsledek uložte do matice cspk2_test a op2t sledujte rozložení kepstra pro c[1] - c[8].

  • Výsledek: Napočítané výsledky vykreslete v následujících 3 obrázcích:
    • Figure 1: závislosti c[1]-c[2], c[3]-c[4], c[5]-c[6], c[7]-c[8] pro matici cspk1_train, tj. rozložení MFCC pro promluvy S0 - S9 mluvčího SPK1.
    • Figure 2: závislosti c[1]-c[2], c[3]-c[4], c[5]-c[6], c[7]-c[8] pro matici cspk1_test, tj. rozložení MFCC pro promluvy Z0 - Z9 mluvčího SPK1.
    • Figure 3: závislosti c[1]-c[2], c[3]-c[4], c[5]-c[6], c[7]-c[8] pro matici cspk2_test, tj. rozložení MFCC pro promluvy Z0 - Z9 mluvčího SPK2.

    • Požadované řešení odevzdejte přes WEBové rozhraní v Moodle FEL, viz Verifikace řečníka na bázi GMM - domácí příprava. Termín odevzdání je do Pátku 2.5.2025, 9:00 AM.

ÚKOLY k vypracování NA CVIČENÍ:

• Verifikace řečníka na bázi GMM
  • Výpočtěte GMM modely pro řečníka SPK1 s využitím trénovacích datcspk1_train. Použijte funkci fitgmdist a volte GMM se 6 směsmi a úplnou kovarianční maticí (parametry 'CovType','Full').
  • Vypočtěte emitované logaritmické pravděpodobnosti pro GMM model analyzované 2 mluvčí, tj. v použité funkci pdf volte matice realizací cspk1_test a cspk2_test.
  • Výsledek : Zobrazte:
    • všechny krátkodobé hodnoty emitované logaritmické pravděpodobnosti pro všechny testovací promluvy řečníka SPK1, tj. správného řečníka,
    • do stejného obrázku přidejte krátkodobé hodnoty emitované logaritmické pravděpodobnosti druhého řečníka SPK2, tj. nesprávného řečníka,
    • vypočtěte skóre na bázi průměrné emitované pravděpodobnosti pro obam luvčí SPK1 a SPK2.
    • Definujte empiricky verifikační práh pro přijetí správného mluvčího a zamítnutí nesprávného mluvčího.

  • Ve volném čase opakujte verifikaci pro jiné řečníky