关于语音识别和语音合成的代码。 可以试试啊

这里主要我自己成果，是关于语音编码的，个人认为还可以，里面程序上传前经本人调试确认完全可用．有对多级矢量量化的程序（这个网上很少有），还有就是对MELP多帧参数的提取（这些网上也少见），还有就是统计子带清浊音概率的，还有一个我搜集的认为比较好的关于语音编码的英文文档．-Here the main results of my own, on the speech coding, and personally think that can also be inside the procedure before From my debugging can be used to confirm complete. There are of multi-stage vector quantization process (the online few), there is a multi-frame MELP parameters of the extraction (which are online also rare), there is statistical subband audio Qingzhuo probability, there is one I have collected think of a better speech coding on the document in English.

ITU-T G.723语音压缩编解码算法源码和测试语音，内有标准附件和使用说明。-ITU-T G.723 voice compression codec algorithm source code and test voice, within the standard accessories and use.

基于tapi，接入电话-TAPI-based, telephone access

ITU-T G.729A标准源代码编码端，已创建工程文件，方便初学者，已测试，运行良好-ITU-T G.729A standard encoding client source code, project files have been created for beginners, have been tested, well-functioning

首先对语音信号的预处理和特征提取问题进行了讨论,提取了三个有效的语音识别特征参数—LPC系数、LPC倒谱系数和Mel频率倒谱系数(MFCC);其次着熏讨论了语音识别中常用的两种识别方法—基于模板匹配的DTW和基于统计膜型的HMM在语音识别中的应用,分别讨论了各自的模型训练和识别的方 法,对HMM在实际应用中的一些具体问题也进行了讨论;最后对常规HMM提出了一些改进方法,包括显式状态驻留和随机分段模型(SM),重点讨论了SM在 语音识别中的训练和识别方法,并通过一个孤立数字语音识别系统验证了其比常规HMM更能描述语音信号的特征。

用MATLAB采集和播放一段（5s长，采样率为8k，每个样本位数8位）的语音信号。-Collection and use MATLAB for some players (5s long, sampling rate of 8k, each sample median 8) of the voice signal.

基于倒谱特征的说话人识别技术 提取语音的倒谱特征进行说话人识别-based Cepstral Speaker voice recognition technology from the Cepstral for Speaker Recognition

自已编写的语音信号端点检测程序，采用短时能量与短时过零率的方法。-authorship of the speech signal endpoint detection procedures, using short-term over short-term energy and the rate of zero.

运用SAPI将文本转化成语音的demo-use SAPI text into voice demo

隐马尔 柯夫模型( HM M ) 的传统 训练方法 ——Baum-W elch 算法只能 得到一个局 部最优 模型, 从而影 响 最终的识别率。对于 CHM M , 分段 K  平均方法来取得一个初始值可以解决这一问题, 但对 DHM M 却改进不大。 而 基于全 局搜索的 进化计 算的一 个重要 特点便 是可以 得到次 优解乃 至全 局最优 解。本文 把进 化计算 引入 到 DHM M 的训练中去, 提出一种改 进的进化训练方法, 实验结果表 明, 这种训 练方法初 具了全局搜 索和快速收 敛 的特点, 得到的模型优于传统方法和直接用进化计算所得的模型, 提高了系统的识别率。