Log-Mel Spectrogram

Türkçe karşılığı: Log-Mel spektrogramAlan: Konuşma İşleme

Kısa-zamanlı spektrum enerjisinin Mel ölçekli filter bank üzerinden projelendirilip logaritmik ölçekte ifade edildiği zaman-frekans gösterimi.

Teknik Bağlam

Modern ASR modellerinin yaygın acoustic frontend'lerinden biridir. Window, hop, FFT size, sample rate ve Mel band sayısı model giriş sözleşmesiyle tam uyumlu olmalıdır.

Sınırlar

Log-Mel spectrogram ile MFCC aynı değildir; MFCC genellikle log-Mel enerjilerine ek DCT uygular.

İlgili Kavramlar

İlgili makale: Ses Etkinliği ve Anomali Algılama

İlgili teknik yayınlar

Başlık veya özetinde bu kavrama doğrudan karşılık gelen yayınlar.

Konuşma Tanıma Sistemlerinde Whisper Mimarisi

Whisper, 16 kHz sesi log-Mel spektrogramına dönüştürüp kodlayıcı-kod çözücü Transformer ile otoregresif token üretir; dil, görev ve zaman damgası bilgileri özel tokenlarla aynı dizide taşınır.