非深度学习方法

使用LSTM深度学习方法

语音端点检测文档包含一个python项目和17个技术文档相关资料，包括一些论文，我估计是网站里目前最全的资料

以一个能识别数字0～9的语音识别系统的实现过程为例，阐述了基于DTW算法的特定人孤立词语音识别的基本原理和关键技术。其中包括对语音端点检测方法、特征参数计算方法和DTW算法实现的详细讨论，最后给出了在Matlab下的编程方法和实验结果。

数字信号课程项目，基于MATLAB的语音识别。包含谱减法去燥和端点检测。 以下省略.............................................

pyvad VAD(Voice Activity Detector) python 实现对读入的流式数据, 进行端点检测 依赖 pyaudio 测试平台 Distributor ID: Ubuntu Description: Ubuntu 12.04.5 LTS Release: 12.04 Codename: precise Linux ubuntu 3.13.0-32-generic #57~precise1-Ubuntu SMP Tue Jul 15 03:51:20 UTC 2014 x86_64 x86_64 x86_64 GNU/Linux Python 2.7.3 联系方式

这个文件是包含语音端点检测的代码,用的是时频参数算法..............

过零率、预加重、短时能量等的函数一目了然，是自学语音识别端点提取的好资料，在VS2010中编译通过 过零率、预加重、短时能量等的函数一目了然，是自学语音识别端点提取的好资料，在VS2010中编译通过

该方 法基 于 自适 应子带谱熵的方法, 引入正常量 K, 计算 负熵, 然而噪 声的负 熵减少要比语音的 负熵 减小 的明显, 同 时, 各种 噪声的 负熵 很接近, 这样就增强了语音与噪声的区分度

VAD基于短时能量的端点检测函数，AudioVAD函数包括两个参数：short*的数据，long的数据长度。返回值为int类型的1或者0，表示该段数据是voice还是silence。 并附上用于测试的pcm数据。