آموزش تشخیص بلندگو | توسط نویسنده کتاب درسی برنده جایزه

سرفصل ها و درس ها

معرفی این دوره Introduction to this course

• آیا باید در این دوره شرکت کنم؟ Should I take this course?

• نتیجه مورد انتظار از این دوره Expected outcome from this course

• در مورد این دوره About this course

• چگونه برنده خود را از این دوره به حداکثر برسانید How to max your win from this course

• برد خود را از این دوره به حداکثر برسانید Max your win from this course

• سرفصل دروس Syllabus

تاریخچه تکنیک های هویت صوتی The History of Voice Identity Techniques

• هویت صوتی چیست؟ What is voice identity

• اولین تکنیک های شناسه صدا The earliest voice-id techniques

• مفاهیم هویت صوتی و سیستم های اولیه Voice identity concepts and earliest systems

• با نرم افزار Audacity شروع کنید Get started with the Audacity software

• توسعه تکنیک های شناسه صدا The development of voice-id techniques

• عصر جدید تکنیک های شناسه صدا The new age of voice-id techniques

• توسعه و عصر جدید تکنیک های شناسه صوتی Development and new age of voice-id techniques

• طوفان فکری در مورد کاربردهای تشخیص سخنران Brainstorm about applications of speaker recognition

اصول پردازش صدا Fundamental of Audio Processing

• صدا و آکوستیک Audio and acoustics

• صدا و آکوستیک Audio and acoustics

• شنوایی و ادراک 1 Hearing and perception 1

• شنوایی و ادراک 2 Hearing and perception 2

• ترازو مل Mel scale

• شنوایی و ادراک Hearing and perception

• پردازش سیگنال صوتی Audio signal processing

• کدگذاری و فرمت های صوتی Audio coding and formats

• سیگنال های صوتی Audio signals

• یک فایل WAV را تجزیه کنید Parse a WAV file

• تبدیل فایل SPHERE به WAV Convert SPHERE file to WAV

• آموزش استفاده از SoX Learning to use SoX

• تبدیل فایل MP4 به FLAC Convert MP4 file to FLAC

استخراج ویژگی صوتی Acoustic Feature Extraction

• تحلیل کوتاه مدت Short-time analysis

• ویژگی های حوزه زمان Time domain features

• تجزیه و تحلیل کوتاه مدت و ویژگی های حوزه زمانی Short-time analysis and time domain features

• نرخ متقاطع صفر Zero cross rate

• ویژگی های دامنه فرکانس Frequency domain features

• تبدیل فوریه گسسته Discrete Fourier Transform

• ویژگی های رایج Commonly used features

• ویژگی های آکوستیک Acoustic features

• ویژگی های MFCC یک ویدیوی YouTube را تجسم کنید Visualize MFCC features of a YouTube video

مبانی تشخیص گوینده Fundamentals of Speaker Recognition

• مقدمه ای برای تشخیص بلندگو 1 Intro to speaker recognition 1

• مقدمه ای برای تشخیص بلندگو 2 Intro to speaker recognition 2

• مقدمه ای برای تشخیص بلندگو Intro to speaker recognition

• گردش کار سیستم تشخیص بلندگو System workflow of speaker recognition

• امتیاز شباهت Similarity scoring

• شباهت کسینوس در پایتون Cosine similarity in Python

• گردش کار سیستم و امتیازدهی مشابه System workflow and similarity scoring

• ارزیابی و معیارها 1 Evaluation and metrics 1

• ارزیابی و معیارها 2 Evaluation and metrics 2

• نرخ خطای برابر (EER) در پایتون Equal error rate (EER) in Python

• نرمال سازی امتیاز Score normalization

• معیارهای ارزیابی و نرمال سازی امتیازات Evaluation metrics and score normalization

• T-norm در پایتون T-norm in Python

رویکردهای تشخیص زودهنگام سخنران Early Speaker Recognition Approaches

• مدل های مخلوط گاوسی 1 Gaussian mixture models 1

• مدل های مخلوط گاوسی 2 Gaussian mixture models 2

• مدل های مخلوط گاوسی Gaussian mixture models

• مدل های مخلوط گاوسی 3 Gaussian mixture models 3

• یک GMM را برای داده ها تنظیم کنید Fit a GMM to data

• مدل پس زمینه جهانی Universal background model

• ماشین های بردار پشتیبانی 1 Support vector machines 1

• ماشین های بردار پشتیبانی 2 Support vector machines 2

• GMM-UBM و GMM-SVM GMM-UBM and GMM-SVM

• تحلیل عاملی Factor analysis

• تحلیل عاملی مشترک Joint factor analysis

• i-وکتور i-vector

• تحلیل عاملی، JFA و i-vector Factor analysis, JFA, and i-vector

اصول یادگیری عمیق Deep Learning Basics

• مقدمه ای بر یادگیری عمیق 1 Intro to deep learning 1

• مقدمه ای بر یادگیری عمیق 2 Intro to deep learning 2

• مقدمه ای بر یادگیری عمیق Intro to deep learning

• شبکه های عصبی پیشخور Feed-forward neural networks

• شبکه های عصبی کانولوشنال Convolutional neural networks

• فید فوروارد و CNN Feed-forward and CNN

• پیچیدگی های یک بعدی 1-dimensional convolutions

• شبکه های عصبی مکرر Recurrent neural networks

• RNN RNN

• توجه و ترانسفورماتور Attention and transformer

• توجه Attention

• یادگیری عمیق با PyTorch Deep learning with PyTorch

• طبقه بندی توالی با PyTorch Sequence classification with PyTorch

تشخیص بلندگو با یادگیری عمیق Speaker Recognition with Deep Learning

• استفاده غیر مستقیم از شبکه های عصبی Indirect use of neural networks

• استفاده مستقیم از شبکه های عصبی Direct use of neural networks

• استفاده غیرمستقیم و مستقیم از شبکه های عصبی Indirect and direct use of neural networks

• استنباط 1 Inference 1

• استنباط 2 Inference 2

• استنتاج Inference

• عملکرد از دست دادن 1 Loss function 1

• تابع سافت مکس Softmax function

• از دست دادن آنتروپی متقاطع Cross entropy loss

• عملکرد از دست دادن 2 Loss function 2

• از دست دادن سه قلو Triplet loss

• عملکرد از دست دادن 3 Loss function 3

• عملکرد از دست دادن Loss function

پردازش داده در تشخیص بلندگو Data Processing in Speaker Recognition

• نیاز به داده Data requirement

• نیاز به داده Data requirement

• پیش پردازش داده ها Data preprocessing

• پیش پردازش داده ها Data preprocessing

• افزایش داده ها 1 Data augmentation 1

• افزایش داده ها 2 Data augmentation 2

• افزایش داده ها 3 Data augmentation 3

• افزایش داده ها Data augmentation

• افزایش داده ها با پایتون Data augmentation with Python

• همجوشی داده ها Data fusion

• مجموعه داده های رایج Common datasets

• لیست آزمایشی ارزیابی Evaluation trial list

پروژه نهایی Final Project

• یک سیستم تشخیص بلندگو از ابتدا بسازید Build a speaker recognition system from scratch

• کد پروژه الگو توضیح داده شده است Template project code explained

• موازی سازی Parallelism

• هر مجموعه داده را با CSV نشان دهید Represent any dataset with CSV

• بعدش چی؟ What's next?