برای استفاده از یادگیری عمیق برای پردازش صوت و گفتار یکی از تکنیک‌های مورد کاربرد تبدیل داده تک بعدی صوتی به داده‌های دوبعدی است. این عملیات اصطلاحا بصری‌سازی (Visualization) نام دارد. [این کار با تبدیل‌های فرکانسی صورت می‌پذیرد.]

این مقاله کوتاه، برخی از مهم‌ترین تکنیک‌های مرتبط را توضیح می‌دهد.


#CNN
#Speech_Processing
#Librosa
@embedded