This paper describes an acoustic-ph

This paper describes an acoustic-phonetic analysis of the
unvoiced fricatives to find good features for their
classification. From a set of more than 35 features, about 15-
17 features were selected for the classification. An SVM is
trained with a limited set of phonemes and tested on all the
phonemes in the TIMIT speech database, in 3 configurations.
The procedure produces highly accurate results and
outperforms the results reported in [3], although there all the
fricatives (voiced and unvoiced) were included. The results
shown here indicate that the procedure could be utilized in
technologies for the hearing impaired, for example by
differential processing of the unvoiced fricatives, to improve
their discriminability.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้อธิบายถึงการวิเคราะห์เสียงอคูสติก
ไม่เปล่ง fricatives หาคุณลักษณะดีของ
จัดประเภท จากกว่า 35 ลักษณะ ประมาณ 15
17 คุณลักษณะถูกเลือกสำหรับการจัดประเภทการ การ SVM มี
ฝึกอบรม ด้วยชุด phonemes จำกัด และทดสอบในทั้งหมด
phonemes TIMIT พูดต่อ ในการกำหนดค่า 3.
ขั้นตอนให้ผลลัพธ์ความถูกต้องสูง และ
outperforms ผลลัพธ์ที่รายงานใน [3], แม้ว่ามีทั้งหมด
fricatives (เสียง และไม่เปล่ง) ถูกรวม ผล
แสดงที่นี่บ่งชี้ว่า กระบวนการสามารถนำไปใช้ประโยชน์ใน
เทคโนโลยีสำหรับผู้พิการทาง เช่นโดยการได้ยิน
แตกต่างกระบวนการ fricatives ไม่เปล่ง ปรับปรุง
discriminability ของพวกเขา

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะอธิบายถึงการวิเคราะห์อะคูสติกออกเสียงของ
ฟึดฟัดไม่ออกเสียงในการค้นหาคุณสมบัติที่ดีสำหรับพวกเขา
การจัดหมวดหมู่ จากชุดของกว่า 35 คุณสมบัติประมาณ 15 -
17 คุณสมบัติที่ถูกเลือกสำหรับการจัดหมวดหมู่ SVM ที่
ผ่านการฝึกอบรมกับชุด จำกัด ของหน่วยเสียงและการทดสอบในทุก
หน่วยเสียงในฐานข้อมูลการพูด Timit ใน 3 การกำหนดค่า
ขั้นตอนการผลิตผลลัพธ์ที่ถูกต้องสูงและ
มีประสิทธิภาพดีกว่าผลที่ได้รายงานใน [3] แม้ว่าจะมีทั้งหมด
ฟึดฟัด (เปล่งออกมาและ ไม่ออกเสียง) ถูกรวม ผลลัพธ์ที่
แสดงไว้ที่นี่แสดงให้เห็นว่าขั้นตอนที่อาจจะนำมาใช้ใน
เทคโนโลยีสำหรับการได้ยินบกพร่องเช่นโดยการ
ประมวลผลความแตกต่างของฟึดฟัดไม่ได้กล่าวเพื่อปรับปรุง
discriminability ของพวกเขา

ผลลัพธ์ (ไทย) 3:

บทความนี้อธิบายการออกเสียงเสียงการวิเคราะห์
ไม่ว่าของตนเองหรือของผู้อื่นซึ่งไม่ออกเสียงเพื่อหาคุณสมบัติที่ดีสำหรับประเภทของ

จากชุดของมากกว่า 35 คุณสมบัติประมาณ 15 -
17 คุณสมบัติเลือกหมวดหมู่ . เป็น SVM เป็น
ฝึกกับชุดของหน่วยเสียงที่จำกัด และทดสอบในหน่วยเสียงทั้งหมดในฐานข้อมูล timit
3
การพูด , การตั้งค่ากระบวนการผลิตความแม่นยำสูงและ
มีประสิทธิภาพดีกว่าผลรายงานใน [ 3 ] ได้แต่ไม่ว่าของตนเองหรือของผู้อื่นทั้งหมด
( เสียงก้อง ซึ่งไม่ออกเสียง ) รวม ผลลัพธ์
แสดงที่นี่ระบุว่ากระบวนการที่อาจใช้ใน
เทคโนโลยีสำหรับคนพิการทางการได้ยิน เช่น การประมวลผลของไม่ว่าของตนเองหรือของผู้อื่นซึ่งไม่ออกเสียงค่า

discriminability ปรับปรุงของพวกเขา