开放OFDM 该项目包含 802.11 OFDM PHY 解码器的 Verilog 实现。 特点是： 完全可合成（在Ettus Research USRP N210平台上测试） 完全支持传统 802.11a/g 支持 802.11n for MCS 0 - 7 @ 20 MHz 带宽 使用包含的 Python 解码器进行交叉验证 模块化设计，易于修改和扩展 请参阅完整文档。 环境设置 该项目具有以下依赖项： ：用于编译 Verilog 文件和模拟。 ：用于波形可视化。 输入和输出 简而言之，顶级dot11 Verilog 模块以 32 位 I/Q 样本（每个 16 位）作为输入，并在 802.11 数据包中输出解码字节。 采样率为 20 MSPS，时钟频率为 100 MHz。 这意味着该模块每 5 个时钟滴答需要一对 I/Q 样本。 执照 常见问题 问：是否需要更改主机驱动

Matlab之语音识别处理与合成工具箱 Matlab之语音识别处理与合成源码

本次提交实现了以下论文中提出的 ADASYN（自适应合成采样）算法： H. He、Y. Bai、EA Garcia 和 S. Li，“ADASYN：用于不平衡学习的自适应合成采样方法”，Proc。 国际。 J. Conf。 神经网络，第 1322-1328 页，（2008 年）。 ADASYN 算法的目的是通过现有少数类示例之间的线性插值从少数类中综合创建新示例来改善类平衡。 这种方法本身被称为 SMOTE 方法（合成少数过采样技术）。 ADASYN是SMOTE的扩展，在两个类别之间的边界附近而不是在少数种族内部创建更多示例。 提供了生成此提交的标题图的演示脚本。

易语言讯飞语音识别与合成源码

易语言百度云之语音识别与合成源码

YS-SYN6288语音合成配套资料（0908）

fusion9官方最新版，现在达芬奇中加入了fusion工作区，以后调色合成一体化，本文档是学习fusion节点及工具的最佳参考手册，是影视后期合成的必备工具书

Deepvoice3_pytorch 基于卷积网络的文本到语音合成模型的PyTorch实现： ：深度语音3：通过卷积序列学习将文本转换为语音。 ：基于深度卷积网络并具有指导性注意力的高效可训练的文本语音转换系统。 音频示例可从。 民间 ：具有WORLD声码器支持的DeepVoice3。 在线TTS演示 可以在上执行的笔记本可用： 强调 卷积序列到序列模型，用于文本到语音合成 DeepVoice3的多扬声器和单扬声器版本 音频样本和预训练模型 用于 ， 和数据集以及兼容的自定义数据集（JSON格式） 取决于语言的英语和日语前端文本处理器 样品 预训练模型 注意：预训练的模型与母版不兼容。 即将更新。 网址 模型 数据 超参数 Git提交 脚步 深度语音3 LJSpeech 64万 Nyanko LJSpeech builder=nyanko,preset=nyanko_ljspeech 585k 多扬声器DeepVoice3 VCTK builder=deepvoice3_multispeaker,preset=deepvoice3_vctk 300k

语音合成，关于谷哥的作业 有的同学可能想得太难了，也可以很水的过去。。。

20多种关于语音信号的分析合成的相关程序，是学习语音信号的必不可少的资料