- 综合排序
- 最热优先
- 最新优先
- 来自专栏音乐与健康
解析声音“疗伤”的密码（音波声学）
关键词：音乐；情绪；健康；心理；疼痛；神经；听觉；体感；音波；呼吸；密码 早在1960年，《科学》杂志就发表过论文，发现在牙科手术过程中，音乐能调控病人的情绪。 因此，研究人员又将小鼠放置在不同强度背景声音的环境中，结果发现，高出环境噪音约5分贝的声音能够有效缓解小鼠的疼痛。经过4个月努力，研究人员将声音的强度与环境因素有机结合，建立了声音镇痛的小鼠模型。 低频段（60-80Hz）音波能像物理按摩般刺激副交感神经。古琴大师龚一演奏的《流水》。每个泛音间隔0.8秒。恰好匹配深度呼吸的黄金节奏。
31210编辑于 2025-10-25 - 来自专栏刘笑江的专栏
R 语言线性回归应用：拟合 iOS 录音波形图
引言 微信读书有一个录音功能需求： 录音时绘制音频波形， 音频以 wav 格式保存 再次进入界面，加载 wav，重新渲染音频波形 步骤 1 通过 NSRecorder.averagePow
2.6K70发布于 2018-05-28 - 来自专栏Qt项目实战
Qt编写自定义控件60-声音波形图
非常强大和牛逼），fmod负责拿到音频数据对应的采样频谱数据，然后传给这个控件进行绘制即可，本控件主需要专注于绘制即可，这样fmod对应封装的类专注于音频采集等处理，实现了隔离，修改和增加功能比较方便，声音波形图控件除了可以设置采样的深度以外 * 4:可设置数据展示样式,线条样式/柱状样式/平滑样式 */ #include <QWidget> #ifdef quc #if (QT_VERSION < QT_VERSION_CHECK(5,7,0 Qt入门书籍推荐霍亚飞的《Qt Creator快速入门》《Qt5编程入门》，Qt进阶书籍推荐官方的《C++ GUI Qt4编程》。
2.3K20发布于 2019-09-25 - 来自专栏AI电堂
光学指纹识别芯片
5G技术带来5G换机潮是必然，驱动国内光学指纹识别市场。为抢占市场份额，各手机厂商相应扩大出货量，带来指纹识别芯片需求快速上涨。 目前，主流指纹识别技术有三类，光学式、超音波式和电容式。其中电容式技术发展最为成熟、普及度最高。 2、超音波式指纹识别的技术原理是超音波阻抗。通过传感器对手指指纹的纹脊和纹谷反射出的不同回波进行收集。由于指纹的纹脊和纹谷反射回波不同，内置芯片可根据回波的差异构建3D图像并进行指纹对比验证。 ▲ 图6 超音波式指纹识别技术显示结构 超音波式指纹识别技术优势在于无需感光元件与电容感应，物理限制低；超音波穿透性强，可在不开孔情况下，实现屏下识别指纹，符合大屏流行趋势；同时识别率高， 超音波指纹识别技术代表厂商是高通和FPC。 3、电容式指纹识别的技术原理是指纹静电场。利用硅晶元与导电的皮下电解液形成电场。
2.3K10编辑于 2022-09-02 - 来自专栏机器人网
无人机和自动驾驶有了新型上帝之眼超声3D传感系统
德国新创公司Toposens开发出一种低成本的轻量级3D传感器系统，可执行超音波回音定位功能，从而将传送的信号转换成有形的3D环境景物映射，让人们或机器人得以顺利解读，进一步实现无人机与自动驾驶车等应用 Bahnemann展示这款精巧封装的原型，它采用大小仅40x40x5mm的塑料封装，重量也只有20克，整个传感器解决方案结合了1个压电超音波发射器以及3个分离式压电收发器。 超音波的另一个好处是它保有隐私，采用灰阶显示其结果，并仅揭露其深度。相较于摄影机，这种感测系统较不显眼，但可用于商场进行顾客行为分析，以及作为汽车的防碰撞系统使用。
75250发布于 2018-04-20 - 来自专栏Python研究者
人工智能下的音频还能这样玩！！！！
核心音频处理函数 音频处理 频谱表示 幅度转换 时频转换 特征提取 绘图显示 三、常用功能代码实现 读取音频 提取特征 提取Log-Mel Spectrogram 特征 提取MFCC特征 绘图显示 绘制声音波形 --- 4.绘图显示 4.1绘制声音波形 Librosa有显示声音波形函数waveplot( )： # # 绘图显示 import librosa.display import matplotlib.pyplot logmelspec, sr=sr, x_axis='time', y_axis='mel') plt.title('sample wavform') plt.show() [format,png] --- 将声音波形和频谱图绘制在一张图表中 ： # # 将声音波形和频谱图绘制在一张图表中： # extract mel spectrogram feature melspec = librosa.feature.melspectrogram(y
1.9K30发布于 2021-08-21 - 来自专栏音视频技术
开源声码器WORLD在语音合成中的应用
classid=19011464750298&token=CsIfi1xWq7ThKKZLIMQ5hiQNTSk0P2AyhhMp79C4U-kb-AOqYz3LwsEdteadTNg-CqdH1zJ1Si0 Tacotron主要负责确定此声谱特征能否使用WORLD将其恢复为声音波形并评估语音质量是否符合要求。 合成过程是把此声学特征恢复至原始的声音波形。 通过实现维度转换有效降低维度，首先是MGC也就是将提取到的MFCC特征降低到60维度从而方便神经网络的训练；其次是将一个非周期信号转变为一个band非周期信号，以48KHz采样为例，经过此操作可实现将一千维度降低至5维 上图展示了我们提取声学特征后恢复原声音波形得到的频谱，可以看到图像基本清晰，整体方法是利用Tacotron端对端TTS深度学习模型预测文本的声谱并通过WORLD声码器还原声谱。
1.8K20发布于 2021-09-01 - 来自专栏BestSDK
直播SDK加入混响效果，让你的APP享受演唱会般空旷音效
混响功能属于语音前处理的范畴，即构科技的实现方法大致如下： 1）通过指定延迟时间和衰减程度，以原始的声音波形为输入，产生多个延迟（模拟反弹回来的）波形； 2）把多个延迟波形和原始的波形进行叠加，产生最终有混响效果的声音波形 一般来说，延迟波形的个数比较多的话，叠加产生的声音波形就比较丰满和有层次感，混响的效果也会比较好。
1.6K40发布于 2018-03-01 - 来自专栏量子位
DeepMind详解新WaveNet：比原来快千倍，语音更自然 | 附论文
Hassabis 地址：https://deepmind.com/documents/131/Distilling_WaveNet.pdf 原版WaveNet模型用自回归连接来一个样本一个样本地合成声音波形 以及中间的整个句子，我们都可以同时生成出来，如下图所示： △ 新WaveNet模型以白噪声为输入，并行合成所有样本 在训练过程中，学生网络从随机状态开始，被输入随机的白噪声，它的任务是里输出一串连续的声音波形 然后，生成出的声音波形被输入到以训练的原始WaveNet模型（也就是教师网络）中，教师网络给每个样本打分，给出一个信号来让学生理解这个样本和教师网络所要求的输出相差有多远。 把上述方法都用上，我们训练出的并行WaveNet所合成的语音，就能够达到和原始WaveNet相同的质量，见下表所示的平均意见分（MOS）： MOS这个评分体系，让人类被试用1-5的数字来衡量语音听起来有多自然
3K50发布于 2018-03-23 - 来自专栏AI研习社
普林斯顿联合Adobe 连声音都能PS了 | 2分钟读论文
一般来讲，我们可以获取语音波形，也可以对语音波形进行编辑。但手工波形则非常困难，因为传统技术通常无法准确地找到波形中单词或字母的分界，更不用说编辑了。 ?
98640发布于 2018-03-19 - 来自专栏芯智讯
特斯拉移除超声波传感器，正式转向纯视觉自动驾驶
以 Model 3 为例，车辆前后保险杆都有超音波感测器，主要功能就是停车时，提供短距离物体侦测效果，避免碰撞。 特斯拉表示，从移除雷达以来，完全依靠摄像头的自动刹车和自动辅助驾驶系统表现，和之前相同甚至更好，因此再移除超音波感测器，让电脑与摄影机负担更多任务。 例如，在今年5月之前，特斯拉将配备Tesla Vision系统的车辆的自动驾驶速度限制在仅为75英里/小时。 不过，特斯拉并不打算停用已售车辆的超音波感测器，它们会继续肩负短距感测任务。
52320编辑于 2022-10-28 - 来自专栏数据库与编程
让 DeepSeek 写首诗，结果它写成打针输液
服务器启动时的低音波可以比喻为生命脉动，数据流如江河湖泊，展现出生命的循环。当数据库崩溃时，虽然代码被修改，但数据依然存在，象征着数据备份的重要性。 \n</think>\n\n## 《数据库的低音波》\n\n服务器像一个庞大的生物\n其内部的血管奔涌着冰冷的内存\n优化代码正在给它打针输液\n而高并发请求则是一场未知的病毒侵袭\n\n深夜，当最后一个磁盘启动时 \n我们听到生命脉动的低音波\n那是数据流经数据库的江河\n而我们的代码正在成为一道\n被修改的免疫系统抗体\n\n有时 我们在深夜独自编程\n敲击着虚拟的键盘\n像一头困兽\n在寻找食物（未被发现的数据结构 服务器启动时的低音波可以比喻为生命脉动，数据流如江河湖泊，展现出生命的循环。当数据库崩溃时，虽然代码被修改，但数据依然存在，象征着数据备份的重要性。 </think> ## 《数据库的低音波》 服务器像一个庞大的生物 其内部的血管奔涌着冰冷的内存 优化代码正在给它打针输液 而高并发请求则是一场未知的病毒侵袭 深夜，当最后一个磁盘启动时 我们听到生命脉动的低音波
46410编辑于 2025-02-07 - 来自专栏机器之心
微软NaturalSpeech语音合成推出第三代，网友惊呼：超自然！实至名归
属性分解神经语音编解码器（FACodec）: NaturalSpeech 3 提出一种创新的属性分解神经语音编解码器（Codec）负责将复杂的语音波形转换成代表不同语音属性（内容、韵律、音色和声学细节） 的解耦子空间，并从这些属性重构高质量的语音波形。 FACodec 作为 NaturalSpeech 3 的核心，能够将复杂的语音波形转换成表示内容、韵律、音色和声学细节等属性的解耦表示，并从这些属性重构高质量的语音波形。
1.6K10编辑于 2024-03-26 - 来自专栏全栈程序员必看
librosa怎么安装_librosa保存音频
核心音频处理函数 音频处理 频谱表示 幅度转换 时频转换 特征提取 绘图显示 三、常用功能代码实现 读取音频 提取特征 提取Log-Mel Spectrogram 特征 提取MFCC特征 绘图显示 绘制声音波形 绘图显示 绘制声音波形 Librosa有显示声音波形函数waveplot( )： >>> import librosa >>> import librosa.display >>> # Load a wav logmelspec, sr=sr, x_axis='time', y_axis='mel') >>> plt.title('Beat wavform') >>> plt.show() 输出结果为： 将声音波形和频谱图绘制在一张图表中
2.5K40编辑于 2022-11-03 - 来自专栏量子位
时域音频分离模型登GitHub热榜，效果超传统频域方法，Facebook官方出品
虽然之前也有一些对声音波形进行处理的方法，但实际效果与频域处理方法相差甚远。 原始纸张使用10的值，尽管5产生的增益几乎相同。默认情况下禁用它。 Conv-TasNet使用线性编码器来生成语音波形的表示形式，该波形针对分离单个音轨进行了优化。音轨的分离则是通过将一组加权函数（mask）用于编码器输出来实现。 ?
1.9K20发布于 2019-12-05 - 来自专栏相约机器人
时域音频分离模型登GitHub热榜，效果超传统频域方法，Facebook官方出品
虽然之前也有一些对声音波形进行处理的方法，但实际效果与频域处理方法相差甚远。 原始纸张使用10的值，尽管5产生的增益几乎相同。默认情况下禁用它。 Conv-TasNet使用线性编码器来生成语音波形的表示形式，该波形针对分离单个音轨进行了优化。音轨的分离则是通过将一组加权函数（mask）用于编码器输出来实现。 ?
1.4K20发布于 2019-12-09 - 来自专栏机器之心
微软NaturalSpeech 2来了，基于扩散模型的语音合成
考虑到语音波形的复杂性和高维度，微软亚洲研究院机器学习组与 Yoshua Bengio 共同提出的 Regeneration Learning 范式，为这个问题提供了创新的参考答案。 图1：NaturalSpeech 2 系统概览 NaturalSpeech 2 首先利用神经语音编解码器（Neural Audio Codec，如图2所示）的编码器（encoder），将语音波形转换为连续向量并用解码器 （decoder）重建语音波形，再运用潜在扩散模型（Latent Diffusion Model）以非自回归的方式从文本预测连续向量。 （CMOS）对比 表4：NaturalSpeech 2 和 VALL-E 的主观质量得分（CMOS）对比 同时，在相似度方面，NaturalSpeech 2 也能更好地生成和语音提示相似的语音，如表5和表 表5：NaturalSpeech 2 与语音提示的韵律相似度比较 表6：NaturalSpeech 2 的主观相似度评分 SMOS 结果 在稳定度方面，相较于既有的 TTS 模型，NaturalSpeech
1.7K30编辑于 2023-05-16 - 来自专栏一棹烟波
语音增强（降噪）之一——谱减法
文献中一般都假设输入的一段语音中前n帧作为silence时间，也就是说这段时间没有语音输入，只有噪音，可以称之为底噪，将这5帧中的噪音强度取平均值，作为估计出来的噪音。 在噪音波形谱上表现为一个一个的小尖峰，我们将这种残存的噪声称之为音乐噪声(music noise)。更为专业点的解释如下： ? 3.因为要对语音进行分帧处理，所以需要生成汉明窗hamming window，并且取前5帧估计噪声。 ? 4. 根据公式求出每一帧的去噪后的幅值sub_speech。 ? 5.更新噪声的估计 ? 贴图如下： 带噪语音波形图 ? 利用过减技术的谱减法去除噪音后的波形图，beta值不同，得到的宽带噪音和”音乐噪音“的比例也不同。
6.4K61发布于 2018-01-12 - 来自专栏音乐与健康
听音乐时眨眼会与音乐节拍同步，揭示听觉-运动新链接
关键词：音乐治疗；疗愈；情绪；心理干预；声波；脑科学；多模态；体感音波；MEDI MUSIC;听觉；视觉；运动研究通过四项实验，系统考察了123名非音乐专业年轻人在聆听节奏稳定的巴赫众赞曲时的反应。 在音高偏差检测任务中，眨眼同步强的人能更准确地捕捉拍点处的调外音（图5C）；若注意力被视觉任务分散，眨眼同步便消失无踪（图5D）。这说明该行为并非机械反射，而是大脑主动调度注意力的结果。 图5. 调外音探测与视觉目标探测实验中眨眼同步的功能意义为什么这项研究令人兴奋？对此，杜忆用生动的比喻解释道：“眨眼就像一扇隐秘的窗户，让我们窥见大脑如何无声地‘跟随音乐起舞’。 这种基于实证的“频率特异性”调控，使音波训练能够为靶向调节不同情绪状态提供科学依据。论文链接：Wu Y.,Teng X.*,Du Y.* (2025).
20710编辑于 2026-02-20 - 来自专栏IT派
用 TensorFlow 让机器人唱首歌给你听
输入的数据，是一个单独的节点，它作为粗糙的音波，首先需要进行一下预处理，以便于进行下面的操作。 ? 最后，这个结果会被再次投入到网络中，来生成下一个时间点所需要的音波数据。 重复这个过程就可以生成更多的语音。 这个网络很大，在他们的 GPU 集群上需要花费九十分钟，并且仅仅只能生成一秒的音频。 all 3 update steps updt = [W.assign_add(W_adder), bv.assign_add(bv_adder), bh.assign_add(bh_adder)] 5. midi_manipulation.noteStateMatrixToMidi(S, "generated_chord_{}".format(i)) ---- 综上，就是用 CNN 来参数化地生成音波
34520发布于 2018-07-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号