Хронологическое упорядочение аудиофрагментов с использованием двухмерных спектрограмм

открытом доступе. В проведенном исследовании были использованы

записи, принадлежащие Бараку Обаме и Ангеле Меркель.

Исходные данные были разбиты на периоды длительностью в два

года с момента начала деятельности политика на посту главы государ-

ства до настоящего времени. Компьютерный анализ, выполненный в

настоящем исследовании, опирается на предположение, что два года —

достаточный для анализа интервал, на котором у человека вырабаты-

вается определенный стиль речи, выступления. Цель исследования —

проверка возможности автоматического отслеживания этих изменений

(распознавания динамики этих изменений) и хронологического упоря-

дочения интервалов из входного набора данных.

Каждый период включает в себя определенное количество аудио-

фрагментов, записанных в рассматриваемый интервал времени (для

разных политиков это число варьируется от 13 до 18). По возможно-

сти было взято максимальное число отрезков из тех выступлений, где

политик отвечает на вопросы журналистов, а не выступает с заранее

подготовленной речью. Причина такого выбора исходных данных со-

стоит в том, чтобы они максимально точно отражали характеристики

речи человека в определенный период.

Аудиофрагменты первоначально были записаны в формате FLAC

(Free Lossless Audio Codec), затем преобразованы в формат WAV

(Waveform Audio File Format) моно. Для нормализации аудиоотрезков

по длине из каждого аудиофайла был вырезан 60-секундный сегмент с

помощью бесплатного он-лайн конвертера

Эти фрагменты не содержат все выступление, но являются достаточ-

но продолжительными для анализа характеристик речи. Аудиофайлы

были выбраны так, чтобы в них не было посторонних шумов (раз-

говоров, аплодисментов, помех аппаратуры и т.д.). Это было сделано

для более объективного анализа данных.

Для проведения эксперимента была использована следующая раз-

бивка входных данных: для анализа речи Барака Обамы взято 4 пе-

риода по 2 года каждый (2007–2009 гг., 2009–2011 гг., 2011–2013 гг.,

2013 — по настоящее время). Для анализа речи Ангелы Меркель так-

же взято 4 периода по 2 года каждый (2005–2007 гг., 2007–2009 гг.,

2009–2011 гг., 2011–2013 гг.).

Каждый 60-секундный отрезок был представлен в виде двухмер-

ной цифровой спектрограммы размером 1344

588 пиксель. Для по-

лучения спектрограмм использована находящаяся в открытом досту-

пе программа для анализа и визуализации звуковых данных Sonic

Visualiser 2.4.1.

Спектрограммы аудиозаписей Барака Обамы, сделанных в 2007

и 2014 гг., представлены на рис. 1. Вертикальное измерение спектро-

граммы соответствует частоте звукового отсчета в килогерцах, гори-

ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2015. № 3 129