Update README.md
Browse files
README.md
CHANGED
|
@@ -1,3 +1,27 @@
|
|
| 1 |
---
|
| 2 |
license: apache-2.0
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 3 |
---
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
---
|
| 2 |
license: apache-2.0
|
| 3 |
+
language:
|
| 4 |
+
- zh
|
| 5 |
+
- en
|
| 6 |
+
- id
|
| 7 |
+
- hi
|
| 8 |
+
metrics:
|
| 9 |
+
- accuracy
|
| 10 |
+
tags:
|
| 11 |
+
- early_media
|
| 12 |
---
|
| 13 |
+
## EarlyMedia早媒体声音分类
|
| 14 |
+
|
| 15 |
+
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.
|
| 16 |
+
|
| 17 |
+
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:
|
| 18 |
+
|
| 19 |
+
(1) 录音中的声音分为四种: 响铃, 音乐, 静音, 人声.
|
| 20 |
+
|
| 21 |
+
(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.
|
| 22 |
+
|
| 23 |
+
(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.
|
| 24 |
+
|
| 25 |
+
(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".
|
| 26 |
+
|
| 27 |
+
此模型就是用于**四种**声音分类的模型, 它原本是用 [AllenNLP](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.
|