A portion of an audio signal is separated into multiple frames from which
one or more different features are extracted. These different features
are used, in combination with a set of rules, to classify the portion of
the audio signal into one of multiple different classifications (for
example, speech, non-speech, music, environment sound, silence, etc.). In
one embodiment, these different features include one or more of line
spectrum pairs (LSPs), a noise frame ratio, periodicity of particular
bands, spectrum flux features, and energy distribution in one or more of
the bands. The line spectrum pairs are also optionally used to segment
the audio signal, identifying audio classification changes as well as
speaker changes when the audio signal is speech.
Una porción de una señal audio se separa en los marcos múltiples de los cuales se extraen unas o más diversas características. Estas diversas características se utilizan, conjuntamente con un sistema de reglas, para clasificar la porción de la señal audio en una de diversas clasificaciones múltiples (por ejemplo, discurso, no-discurso, música, sonido del ambiente, silencio, etc.). En una encarnación, estas diversas características incluyen una o más de la línea pares del espectro (LSPs), un cociente del marco del ruido, periodicidad de vendas particulares, características del flujo del espectro, y distribución de la energía en una o más de las vendas. La línea pares del espectro también se utiliza opcionalmente para dividir la señal en segmentos audio, identificando cambios audio de la clasificación tan bien como altavoz cambia cuando la señal audio es discurso.
