再问大家一次，如何得到某个进程的运行时间（说话就给分。。。）

dchg2000 2004-06-14 03:06:51

如题
如何通过编程（C语言或SHELL脚本也行）来获得
某个进程的运行时间（能精确到秒就可以了）
大家发言吧

(*) (*)

...全文

86 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

dchg2000 2004-06-14

打赏
举报

回复

人啦！大家说话呀

dchg2000 2004-06-14

打赏
举报

回复

分不够我在加！

针对使用话语级特征参数矩阵作为卷积神经网络输入而导致收敛速度慢及识别率低的问题，提出一种基于二维主成分分析（2DPCA）特征降维的卷积神经网络（CNN）说话人识别方法。首先将每段语音分帧成多个帧级语音并提取同等大小的帧级特征组成特征矩阵，然后利用2DPCA对特征矩阵进行降维处理，再将得到的主成分特征向量组合成新的特征矩阵作为CNN的输入，最后通过CNN的自适应特征学习创建说话人模型。基于Alexnet的CNN模型实验结果表明，采用该说话人识别方法使运行时间减少了57%，同时识别率也有所提高。0引言。

本文详细介绍了基于x-vectors的说话人识别与分割技术。首先，通过下载和管理LibriSpeech数据集，提取MFCC特征并构建TDNN模型，训练并评估了x-vector特征提取系统。随后，利用预训练模型进行说话人分割，结合凝聚层次聚类（AHC）实现了对音频中不同说话人片段的识别和分割，并通过分割错误率（DER）对系统性能进行了评估。整个流程涵盖了从数据预处理、模型训练到系统评估的完整步骤，适用于语音识别、语音转录、视频字幕等实际应用场景。

本文详细解析了两种说话人识别方法：基于累积向量的高斯选择方法和基于二进制表示的识别方法。前者通过累积向量筛选出最具判别性的高斯分量，有效减少模型冗余并降低计算成本，同时保持与传统GMM-UBM方法相当的性能；后者采用二进制表示语音特征，具有良好的鲁棒性和处理分段时间信息的能力。文章通过实验对比分析了两种方法的优缺点，并探讨了其在不同应用场景下的适用性及未来研究方向。

2016.01.27更新我们的声纹识别技术在2015年8月贵阳召开的CTF2015(China technology forum 2015)会议上展示，获得好评。我们的声纹识别技术在2015年9月被富士通对全球做新闻发表，以下分别是中英文链接和截图：我们的声纹识别技术在2015年11月慕尼黑召开的FF2015(fujitsu forum 2015，富士通论坛2015)会议上展示，获得好评。----...

在做项目时，我们常会用到语音提示，比如当识别到什么时我们要通过AIstart给我们提示音，但AIstart在打开摄像头跟播放语音如果同步执行会发现资源不足，要么卡死不动画面，要么播放的声音卡顿，那么要解决这个问题，我们通常要停下摄像头来播放。这样做出来的项目总感觉少了什么，为了解决这个问题，我们可以通过串口外置一个齐护语音合成模块就好了，而且要说什么话直接在编程块中输入就好。同理我们可以应用到其它识别类项目中，注意处理好执行模块内容时不能加延时，否则摄像头将会卡死！的内容，识别二维码，让语音模块说出来。

Linux/Unix社区

23,223

社区成员

74,536

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章