Morse 查看一个开源软件项目,将可听的莫尔斯电码转换为文本消息。 此应用程序能够从波形文件或从音频线路/麦克风输入转换莫尔斯电码。 从莫尔斯电码到文本的转换可以对输入音频流进行基于幅度和频率的分解。
2023-01-08 01:27:26 1.53MB 开源软件
1
这是一个命令行实用程序,可将包含莫尔斯电码的 WAV 声音文件转换为英文文本。 预构建的二进制文件可在 OSX、MsWindows 和 GNU/linux 上运行。 它是用 Ada 编写的,因此可以使用 Ada 编译器在任何平台上重建。 输入的 wav 文件必须是单声道的,具有 16 位有符号整数编码,采样率为 8000 Hz。 sox 或 audacity 都可以轻松转换为这种格式。 wav 文件应该是国际莫尔斯电码,最好是干净且适当的间距。 音调频率或 wpm 速度似乎无关紧要。 现在包含一个反向命令行应用程序 txt2wav,它可以从英文文本创建莫尔斯电码 WAV 文件。 提取存档和维护目录结构的正确命令是“7z x 文件名”。
2022-12-06 13:28:04 8.89MB 开源软件
1
ctf脚本-morseCode摩斯电码解码.py
2022-10-26 09:00:10 3KB CTF morse 摩斯电码
1
软件介绍: 摩斯电码加密解密工具带有翻译模块、加密解密模块及摩斯电码表,电码加密方法表。翻译区能将摩尔斯电码翻译为明文字符。明文加密将明文转换为暗文;暗文解密将暗文转换为明文,支持凯撒移位法。
2022-08-13 09:07:51 182KB 其他资源
1
摩尔斯电码模拟器,自动模拟发报,手动发报,导出电文。完全开源,内附源码。MV STUDIO 开源设计工作室
2022-05-24 11:09:26 1.44MB VB 程序 密码 电码
1
这是一个命令行实用程序,可将包含莫尔斯电码的WAV声音文件转换为英文文本。 预先构建的二进制文件可在OSX,MsWindows和GNU / linux上运行。 它是用Ada编写的,因此可以使用Ada编译器在任何平台上重建。 输入的wav文件必须是单声道的,具有16位带符号整数编码,并且采样率为8000 Hz。 sox或audacity都可以轻松地转换为这种格式。 该wav文件应该是国际摩尔斯电码,最好是干净的和适当的间距。 音调频率或wpm-speed似乎无关紧要。 现在包括一个反向命令行应用程序txt2wav,它可以用英文文本创建一个莫尔斯电码WAV文件。 提取归档文件并维护目录结构的正确命令是“ 7z x filename”。
2022-05-09 23:11:25 1.02MB 开源软件
1
这是一个微信小程序项目源码,名为摩斯电码,打码练习用的,对摩尔斯电码感兴趣的,对研究和学习非常有用,有相关的介绍教材文章请看https://blog.csdn.net/zs1028/article/details/123881135
MORSE 将文本转换为可播放的 wav 格式的莫尔斯电码。 句法莫尔斯(文本) 莫尔斯(文本,文件); 描述: 如果指定了波形文件名,则函数将输出具有该文件名的 wav 文件。 如果只指定了文本,则该函数将只播放莫尔斯电码 wav 文件,而不会将其保存为 wav 文件。 例子: 莫尔斯('你好'); morse('你好吗我的朋友?','morsecode.wav');
2022-04-05 18:48:02 14KB matlab
1
电码练习软件 Lakey主要特性: 1、利用键盘或鼠标进行摩尔斯电码发报练习,支持键盘直接录入,支持手键和自动键方式; 2、摩尔斯电码听抄练习,可以将听抄音频转换为WAV文件,用于通过手机或其他移动设备进行听抄练习; 3、摩尔斯电码解析,可以用做发报练习参考; 4、音频频谱分析,可以对电脑音频模拟输入(Line in、Aux in或Mic in等)进行音频分析并显示; 5、发报键状态可以输出到计算机I/O接口,对外围设备进行简单控制; 6、可进行多主机网络通联练习或试验;
2022-03-31 19:37:31 242KB 莫尔斯电码 Lakeyv 电码
1
cwdecode 神经网络研究项目。 该存储库包含实验代码。 该项目的目的是研究使用递归神经网络和连接主义时间分类(CTC)从原始音频数据中解码摩尔斯电码消息的可能性。 当前,两个Python脚本非常有用: generate_wav_samples.py 它既是用于调试的命令行工具,又是用于生成训练/验证数据的模块。 有关命令行用法,请发出: $ ./generate_wav_samples.py --help" tensorflow_lstm_ctc_train.py 使用CTC作为损失函数,使用LSTM单元构建和训练简单的神经网络。 输入是分块的原始音频。 模型检查点和训练/评估事件保存在名为“ model_train”的目录中。 用法: $ ./tensorflow_lstm_ctc_train.py 可以通过以下方式观察培训进度: $ tensorboar
2022-03-28 12:46:34 13KB Python
1