Publication

Using posterior probabilities for speech/music discrimination

Publications associées (68)

À propos
Confidentialité
Mentions légales

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Using posterior probabilities for speech/music discrimination

Graph Chatbot

Chattez avec Graph Search

Combining Evidence from a Generative and a Discriminative Model in Phoneme Recognition

Comparing Different Word Lattice Rescoring Approaches Towards Keyword Spotting

On Confusions in a Phoneme Recognizer

On Confusions in a Phoneme Recognizer

The Boolean Solution to the Congested IP Link Location Problem: Theory and Practice

An Acoustic Model Based on Kullback-Leibler Divergence for Posterior Features

Identifying unexpected words using in-context and out-of-context phoneme posteriors

An Acoustic Model Based on Kullback-Leibler Divergence for Posterior Features

Using more informative posterior probabilities for speech recognition

Robust audio segmentation

Comparing Different Word Lattice Rescoring Approaches Towards Keyword Spotting

Robust audio segmentation

The Boolean Solution to the Congested IP Link Location Problem: Theory and Practice

On Confusions in a Phoneme Recognizer

On Confusions in a Phoneme Recognizer

An Acoustic Model Based on Kullback-Leibler Divergence for Posterior Features

An Acoustic Model Based on Kullback-Leibler Divergence for Posterior Features

Combining Evidence from a Generative and a Discriminative Model in Phoneme Recognition

Identifying unexpected words using in-context and out-of-context phoneme posteriors

Using more informative posterior probabilities for speech recognition