|
--- |
|
license: apache-2.0 |
|
language: |
|
- zh |
|
- en |
|
- id |
|
- hi |
|
metrics: |
|
- accuracy |
|
tags: |
|
- early_media |
|
--- |
|
## EarlyMedia早媒体声音分类 |
|
|
|
给对方打电话时, 对方电话还没有接通时, 有响铃, 音乐, 用户忙, 不在服务区, 无人接听, 已停机, 等状态. |
|
|
|
号码拨打测试时, 会把电话接通前的录音保存, 给到算法. 我们的算法: |
|
|
|
(1) 录音中的声音分为四种: 响铃, 音乐, 静音, 人声. |
|
|
|
(2) 假如完整的录音有 20 秒, 首先按每秒一个分类标签对音频分类, 得到 20 个标签. |
|
|
|
(3) 根据 20 个标签, 找到 "人声" 对应的音频段, 从 20 秒完整音频中截取出来. |
|
|
|
(4) 在 "人声" 的音频上做模板匹配, 如果匹配到 "用户忙" 的模板, 则这通电话就是 "用户忙". |
|
|
|
此模型就是基于[此数据集](https://huggingface.co/datasets/qgyd2021/early_media)训练的, 用于**四种**声音分类的模型, 它原本是用 [AllenNLP](https://guide.allennlp.org/) 训练的, 现在训练代码已经找不到了, 但是此模型比较简单. |
|
|
