返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • [正版新书]语音与音乐信号处理轻松入门(基于Python与PyTorch) 姚利民 清华大学出版社 音频处理; 语音识别
  • 新商品上架
    • 作者: 姚利民著
    • 出版社: 清华大学出版社
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    江莱图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 姚利民著
    • 出版社:清华大学出版社
    • 开本:16开
    • ISBN:9787302679110
    • 版权提供:清华大学出版社

     书名:  语音与音乐信号处理轻松入门(基于Python与PyTorch)
     出版社:  清华大学出版社
     出版日期  2025
     ISBN号:  9787302679110

    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》。

    本书以科普读物风格对音频信号处理由浅入深地进行了介绍,同时辅以大量实战案例,以期达到轻松入门、事半功倍的效果。


    通俗易懂  语言生动、浅显易懂,避免枯燥的理论和公式。

    图文并茂  大量插图配合文字说明有助于抽象概念的理解。

    内容丰富  包括声学基础、音频信号分析、语音识别、语音合成、音乐分析、MIDI编曲、深度学习等丰富内容。

    轻松实战  采用Python和PyToch(深度学习部分)编程,门槛低,易学易会;主要函数列出函数原型,便于应用和参考。

    大量示例  介绍了音频处理各领域众多Python库的用法,如NumPy、SciPy、Librosa、Pyaudio、Moviepy、Pydub、Soundfile、OpenAI-whisper、Pyttx3、SpeechLib、PyWorld、Parselmouth、Mido、Music21、PyTorch等。







    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





     

    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购