免费口语数据集（FSDD） 一个简单的音频/语音数据集，由8kHz的wav文件中的口头录音组成。 修整录音，使其在开始和结束时几乎保持静音。 FSDD是一个开放的数据集，这意味着它将随着时间的推移随着数据的添加而增长。 为了实现可重复性和准确的引用，使用Zenodo DOI和git tags对数据集进行版本控制。 当前状态 6位演讲者 3,000个录音（每个扬声器每个数字50个） 英语发音 组织 文件以以下格式命名： {digitLabel}_{speakerName}_{index}.wav示例： 7_jackson_32.wav 会费 请贡献您的自制录音。 所有录音应为单声道8kHz wav文件，并进行修剪以使静音降至最低。 不要忘记使用发言人元数据更新metadata.py 要添加数据，请按照acquire_data/say_numbers_prompt.py的记录说明进行a

该演示为音频数据的基本过滤提供了一个简单的 GUI。 使用 GUI，您可以： * 加载存储在 .wav 文件中的音频数据。 * 使用低通、高通或带通数字滤波器在特定音频频率中生成均匀噪声。 * 将过滤后的噪声添加到原始音频信号中。 * 通过逆滤波去除噪声。 此演示的目的不是提供强大而复杂的去噪算法，而只是演示 Matlab 中的一些基本音频过滤过程。 ------------------------------------ http://www.di.uoa.gr/~tyiannak ------------------------------------

行业-电子政务-音频数据处理方法及电子设备.zip

行业-电子政务-音频数据传输系统、音频数据传输装置及电子签名工具.zip

行业-电子政务-音箱、音频数据的播放方法、装置、存储介质及电子装置.zip

音频数据处理常用算法：FFT、功率谱计算。

前言 喜马拉雅是专业的音频分享平台，汇集了有声小说,有声读物,有声书,FM电台,儿童睡前故事,相声小品,鬼故事等数亿条音频，我最喜欢听民间故事和德云社相声集，你呢？ 今天带大家爬取喜马拉雅音频数据，一起期待吧！！ 这个案例的视频地址在这里 https://v.douyu.com/show/a2JEMJj3e3mMNxml 项目目标 爬取喜马拉雅音频数据 受害者地址 https://www.ximalaya.com/ 本文知识点： 1、系统分析网页性质 2、多层数据解析 3、海量音频数据保存 环境： 1.确定数据所在的链接地址(url) 2.通过代码发送url地址的请求 3.解析数据(要的,

深度学习不仅扩展到图像，还扩展到一维信号，例如音频。 它可以灵活地处理传统信号分析难以解决的各种环境中的复杂问题。 在此文件中，您可以在几分钟内以“Hammering Test”为例，尝试对音频数据进行简单的深度学习。 本演示介绍了从“音频数据的获取”到“网络设计和学习”的工作流程。 #Demo Video（日语） 演示。 https://jp.mathworks.com/videos/deep-learning-for-hammering-test-1576046662504.html [8:24~] : 这个脚本的结果

A Python library for audio data augmentation. Inspired by albumentations. Useful for machine learning.

DSP语音加密，通过音频数据的镜像翻转对音频进行加密，从mic接口输入，从line out接口输出，用按键控制，key_1录音，Key_2播放加密音频， Key_3播放解密音频