音訊AI技術的學習地圖與商業潛力之馬拉松課程
音訊AI技術的學習地圖與應用情境分析
內容簡介
作者介紹
適合人群
你將會學到什麼
購買須知
-
Part0 音訊AI的應用與基礎介紹
介紹音訊的應用範圍
-
Part1 音訊基礎常識
介紹音訊的基礎常識，包含音訊基礎原理、錄製方式、格式、波型/頻譜的呈現等
-
Part2 音訊基本特徵簡介
介紹音訊處理中常用的一些特徵與方法，包括音量、音高、波形、頻譜，及各種轉換包括取樣率/解析度等
-
Part3 哼唱辨識
介紹哼唱辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D11｜哼唱辨識基礎介紹
介紹哼唱辨識的概念、使用到的資料與方法介紹，以讓學員能有一個基礎認識
-
D12｜MIDI格式介紹、讀取工具與資料庫準備介紹
介紹哼唱辨識所需資料格式的主要轉換來源：MIDI，與MIDI的讀取方式、及如何存放，並有一個簡單的比對範例。
-
D13-14｜增進辨識率方法1：線性伸縮 (Linear Scaling)
介紹線性伸縮的方法，並使用Python實作
-
D15-16｜增進辨識率方法2：動態時空扭曲 (Dynamic Time Warping)
介紹動態時空扭曲的方法，並使用Python實作
-
D17-18｜增進辨識率方法3：類神經網路法
介紹使用類神經網路的方法，並使用Python實作
-
D19｜哼唱辨識的問題探討
介紹哼唱辨識主要會碰到的問題，與可能的解法
-
-
Part4 歌聲轉譜基礎
介紹原曲辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D20 | 歌聲轉譜基礎介紹
介紹歌聲轉譜的基礎、使用特徵、主流方法等
-
D21 | 人聲音符的起始點偵測法：energy-based(以能量為基礎的)方法與peak picking(峰值挑選法)
介紹判斷人聲音高的起始點的方法，以偵測各個音符的出現處。
-
D22 | 人聲音符的起始點偵測法：spectral-based方法
介紹在歌聲轉譜下不同的起始點偵測法，並用python實作之。
-
D23 | 人聲音符的起始點偵測法：評估方法
介紹如何評估音符起始點方法的好壞
-
D24 | 人聲音符的起始點偵測法：應用機器學習提升效能
介紹如何利用基礎的機器學習方法來更加準確地預測人聲音符起始點
-
D25｜歌聲轉譜的問題與挑戰
討論現今歌聲轉譜遇到的問題，及可能的克服方法
-
-
Part0 音訊AI的應用與基礎介紹
介紹音訊的應用範圍
-
Part1 音訊基礎常識
介紹音訊的基礎常識，包含音訊基礎原理、錄製方式、格式、波型/頻譜的呈現等
-
Part2 音訊基本特徵簡介
介紹音訊處理中常用的一些特徵與方法，包括音量、音高、波形、頻譜，及各種轉換包括取樣率/解析度等
-
Part3 哼唱辨識
介紹哼唱辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D11｜哼唱辨識基礎介紹
介紹哼唱辨識的概念、使用到的資料與方法介紹，以讓學員能有一個基礎認識
-
D12｜MIDI格式介紹、讀取工具與資料庫準備介紹
介紹哼唱辨識所需資料格式的主要轉換來源：MIDI，與MIDI的讀取方式、及如何存放，並有一個簡單的比對範例。
-
D13-14｜增進辨識率方法1：線性伸縮 (Linear Scaling)
介紹線性伸縮的方法，並使用Python實作
-
D15-16｜增進辨識率方法2：動態時空扭曲 (Dynamic Time Warping)
介紹動態時空扭曲的方法，並使用Python實作
-
D17-18｜增進辨識率方法3：類神經網路法
介紹使用類神經網路的方法，並使用Python實作
-
D19｜哼唱辨識的問題探討
介紹哼唱辨識主要會碰到的問題，與可能的解法
-
-
Part4 歌聲轉譜基礎
介紹原曲辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D20 | 歌聲轉譜基礎介紹
介紹歌聲轉譜的基礎、使用特徵、主流方法等
-
D21 | 人聲音符的起始點偵測法：energy-based(以能量為基礎的)方法與peak picking(峰值挑選法)
介紹判斷人聲音高的起始點的方法，以偵測各個音符的出現處。
-
D22 | 人聲音符的起始點偵測法：spectral-based方法
介紹在歌聲轉譜下不同的起始點偵測法，並用python實作之。
-
D23 | 人聲音符的起始點偵測法：評估方法
介紹如何評估音符起始點方法的好壞
-
D24 | 人聲音符的起始點偵測法：應用機器學習提升效能
介紹如何利用基礎的機器學習方法來更加準確地預測人聲音符起始點
-
D25｜歌聲轉譜的問題與挑戰
討論現今歌聲轉譜遇到的問題，及可能的克服方法
-
-
Part0 音訊AI的應用與基礎介紹
介紹音訊的應用範圍
-
Part1 音訊基礎常識
介紹音訊的基礎常識，包含音訊基礎原理、錄製方式、格式、波型/頻譜的呈現等
-
Part2 音訊基本特徵簡介
介紹音訊處理中常用的一些特徵與方法，包括音量、音高、波形、頻譜，及各種轉換包括取樣率/解析度等
-
Part3 哼唱辨識
介紹哼唱辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D11｜哼唱辨識基礎介紹
介紹哼唱辨識的概念、使用到的資料與方法介紹，以讓學員能有一個基礎認識
-
D12｜MIDI格式介紹、讀取工具與資料庫準備介紹
介紹哼唱辨識所需資料格式的主要轉換來源：MIDI，與MIDI的讀取方式、及如何存放，並有一個簡單的比對範例。
-
D13-14｜增進辨識率方法1：線性伸縮 (Linear Scaling)
介紹線性伸縮的方法，並使用Python實作
-
D15-16｜增進辨識率方法2：動態時空扭曲 (Dynamic Time Warping)
介紹動態時空扭曲的方法，並使用Python實作
-
D17-18｜增進辨識率方法3：類神經網路法
介紹使用類神經網路的方法，並使用Python實作
-
D19｜哼唱辨識的問題探討
介紹哼唱辨識主要會碰到的問題，與可能的解法
-
-
Part4 歌聲轉譜基礎
介紹原曲辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D20 | 歌聲轉譜基礎介紹
介紹歌聲轉譜的基礎、使用特徵、主流方法等
-
D21 | 人聲音符的起始點偵測法：energy-based(以能量為基礎的)方法與peak picking(峰值挑選法)
介紹判斷人聲音高的起始點的方法，以偵測各個音符的出現處。
-
D22 | 人聲音符的起始點偵測法：spectral-based方法
介紹在歌聲轉譜下不同的起始點偵測法，並用python實作之。
-
D23 | 人聲音符的起始點偵測法：評估方法
介紹如何評估音符起始點方法的好壞
-
D24 | 人聲音符的起始點偵測法：應用機器學習提升效能
介紹如何利用基礎的機器學習方法來更加準確地預測人聲音符起始點
-
D25｜歌聲轉譜的問題與挑戰
討論現今歌聲轉譜遇到的問題，及可能的克服方法
-
-
Part0 音訊AI的應用與基礎介紹
介紹音訊的應用範圍
-
Part1 音訊基礎常識
介紹音訊的基礎常識，包含音訊基礎原理、錄製方式、格式、波型/頻譜的呈現等
-
Part2 音訊基本特徵簡介
介紹音訊處理中常用的一些特徵與方法，包括音量、音高、波形、頻譜，及各種轉換包括取樣率/解析度等
-
Part3 哼唱辨識
介紹哼唱辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D11｜哼唱辨識基礎介紹
介紹哼唱辨識的概念、使用到的資料與方法介紹，以讓學員能有一個基礎認識
-
D12｜MIDI格式介紹、讀取工具與資料庫準備介紹
介紹哼唱辨識所需資料格式的主要轉換來源：MIDI，與MIDI的讀取方式、及如何存放，並有一個簡單的比對範例。
-
D13-14｜增進辨識率方法1：線性伸縮 (Linear Scaling)
介紹線性伸縮的方法，並使用Python實作
-
D15-16｜增進辨識率方法2：動態時空扭曲 (Dynamic Time Warping)
介紹動態時空扭曲的方法，並使用Python實作
-
D17-18｜增進辨識率方法3：類神經網路法
介紹使用類神經網路的方法，並使用Python實作
-
D19｜哼唱辨識的問題探討
介紹哼唱辨識主要會碰到的問題，與可能的解法
-
-
Part4 歌聲轉譜基礎
介紹原曲辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D20 | 歌聲轉譜基礎介紹
介紹歌聲轉譜的基礎、使用特徵、主流方法等
-
D21 | 人聲音符的起始點偵測法：energy-based(以能量為基礎的)方法與peak picking(峰值挑選法)
介紹判斷人聲音高的起始點的方法，以偵測各個音符的出現處。
-
D22 | 人聲音符的起始點偵測法：spectral-based方法
介紹在歌聲轉譜下不同的起始點偵測法，並用python實作之。
-
D23 | 人聲音符的起始點偵測法：評估方法
介紹如何評估音符起始點方法的好壞
-
D24 | 人聲音符的起始點偵測法：應用機器學習提升效能
介紹如何利用基礎的機器學習方法來更加準確地預測人聲音符起始點
-
D25｜歌聲轉譜的問題與挑戰
討論現今歌聲轉譜遇到的問題，及可能的克服方法
-
-
Part0 音訊AI的應用與基礎介紹
介紹音訊的應用範圍
-
Part1 音訊基礎常識
介紹音訊的基礎常識，包含音訊基礎原理、錄製方式、格式、波型/頻譜的呈現等
-
Part2 音訊基本特徵簡介
介紹音訊處理中常用的一些特徵與方法，包括音量、音高、波形、頻譜，及各種轉換包括取樣率/解析度等
-
Part3 哼唱辨識
介紹哼唱辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D11｜哼唱辨識基礎介紹
介紹哼唱辨識的概念、使用到的資料與方法介紹，以讓學員能有一個基礎認識
-
D12｜MIDI格式介紹、讀取工具與資料庫準備介紹
介紹哼唱辨識所需資料格式的主要轉換來源：MIDI，與MIDI的讀取方式、及如何存放，並有一個簡單的比對範例。
-
D13-14｜增進辨識率方法1：線性伸縮 (Linear Scaling)
介紹線性伸縮的方法，並使用Python實作
-
D15-16｜增進辨識率方法2：動態時空扭曲 (Dynamic Time Warping)
介紹動態時空扭曲的方法，並使用Python實作
-
D17-18｜增進辨識率方法3：類神經網路法
介紹使用類神經網路的方法，並使用Python實作
-
D19｜哼唱辨識的問題探討
介紹哼唱辨識主要會碰到的問題，與可能的解法
-
-
Part4 歌聲轉譜基礎
介紹原曲辨識的概念與實作的方法，及其相關的資料格式，辨識率計算方式等
-
D20 | 歌聲轉譜基礎介紹
介紹歌聲轉譜的基礎、使用特徵、主流方法等
-
D21 | 人聲音符的起始點偵測法：energy-based(以能量為基礎的)方法與peak picking(峰值挑選法)
介紹判斷人聲音高的起始點的方法，以偵測各個音符的出現處。
-
D22 | 人聲音符的起始點偵測法：spectral-based方法
介紹在歌聲轉譜下不同的起始點偵測法，並用python實作之。
-
D23 | 人聲音符的起始點偵測法：評估方法
介紹如何評估音符起始點方法的好壞
-
D24 | 人聲音符的起始點偵測法：應用機器學習提升效能
介紹如何利用基礎的機器學習方法來更加準確地預測人聲音符起始點
-
D25｜歌聲轉譜的問題與挑戰
討論現今歌聲轉譜遇到的問題，及可能的克服方法
-