Речераспознавательное

[spamsink]

Русская речь спортивного комментатора, ускоренная вдвое, требует сознательного внимания - как только я пытаюсь делать что-то еще, например, читать ЖЖ, она перестает восприниматься полностью. А в полтора - вполне нормально.

Comments

[fregimus.livejournal.com]

То же самое заметил. Хотя фонетическая информация практически не теряется на двойной скорости с обычными алгоритмами «ускорения» (time compress).

[spamsink]

Выходит, при работе распознавателя в фоновом режиме коэффициент надежности был ниже двух. Ну хоть за полтора эволюции спасибо.

Насколько я понимаю, аудио сжимается фреймами (у MPEG3 - 75 fps), и при ускорении не более чем вдвое два фрейма подряд никогда не выбрасываются, а фонетических явлений длительностью в 1/75 секундя или меньше я не представляю себе.

Кстати о persistence of hearing и темпоральной разрешающей способности слуха. Рекорд скорости приема морзянки на слух - 72.5 WPM (с 1939 года не побит). Средняя длительность слова считается равна 50 длительностям точек; плюс длительность паузы между словами, равная 3 тире = 9 точкам, как раз и получается практически точно 75 бод.

[fatoff.livejournal.com]

А с распознованием английской речи та же динамика? Или лучше, как можно было ускорить воспроизведение аж втрое?

[spamsink]

Примерно та же, чуть хуже. Втрое - нет, на любом языке совершенно неразборчиво.

[fatoff.livejournal.com]

Мне кажется, несиллабический (бесслоговый) язык, как китайский, воспринимать на скорости x2 будет совершенно не возможно. Ритм слогов (к изменению которого мозг приучается, говорят быстрее-медленнее) нафиг отсутствует, а разница в частотах звуков (ну о чём тут говорить, когда будет сплошной overlap с разницами на более медленной речи) деформируется.

[spamsink]

Сейчас же не "магнитофонное" ускорение, а методом тайм-слайсинга. Все частоты сохраняются.