Ψηφιακή Επεξεργασία Φωνής: Θεωρία και Εφαρμογές

Περιγραφή:

Προκειμένου να εκτιμήσουμε πλήρως μία τεχνολογία όπως η ψηφιακή επεξεργασία φωνής, πρέπει να κατακτήσουμε τρία επίπεδα κατανόησης: το θεωρητικό (θεωρία), το εννοιολογικό (έννοιες) και το πρακτικό (πρακτική).

Στην περίπτωση της τεχνολογίας φωνής, το θεωρητικό επίπεδο αποτελείται από την ακουστική θεωρία της παραγωγής του σήματος φωνής, τα βασικά μαθηματικά για τις αναπαραστάσεις των σημάτων φωνής, την εξαγωγή διαφόρων ιδιοτήτων του σήματος που σχετίζονται με κάθε αναπαράσταση, και τα βασικά μαθηματικά επεξεργασίας σήματος που συσχετίζουν το σήμα φωνής με τον πραγματικό κόσμο, μέσω της δειγματοληψίας, των φαινομένων αλλοίωσης, του φιλτραρίσματος, κ.ο.κ. Το εννοιολογικό επίπεδο ασχολείται με τον τρόπο που εφαρμόζεται η θεωρία επεξεργασίας φωνής, προκειμένου να γίνουν διάφορες μετρήσεις και να εκτιμηθούν και να ποσοτικοποιηθούν διάφορα χαρακτηριστικά του σήματος φωνής. Τέλος, προκειμένου μία τεχνολογία να πραγματοποιηθεί πλήρως, είναι σημαντικό να μπορούμε να μετατρέψουμε τη θεωρία και την εννοιολογική κατανόηση σε πράξη.

Ο στόχος μας είναι να παρουσιάσουμε μία κατανοητή επισκόπηση της ψηφιακής επεξεργασίας φωνής που καλύπτει τη βασική φύση του σήματος φωνής και που μέσω διαφόρων μεθόδων αναπαράστασης φωνής σε ψηφιακή μορφή, καταλήγει σε θεωρήσεις εφαρμογών επικοινωνίας με ομιλία και μεθόδους αυτόματης σύνθεσης και αναγνώρισης ομιλίας.