การประมวลผลเสียงพูดด้วยโครงข่ายประสาทเทียม: พื้นฐานการจดจำและการสังเคราะห์เสียง
เรียนรู้หลักการของ machine learning และเทคนิคการประมวลผลเสียงที่จำเป็นสำหรับการสร้างระบบพื้นฐานสำหรับการจดจำเสียงพูดอัตโนมัติและการสังเคราะห์เสียงพูดจากข้อความ
-
💬
ผู้สอน AI
ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ -
🕐
เริ่มเมื่อไรก็ได้
ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้ -
🌐
เป็นภาษาไทย
บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน
เกี่ยวกับคอร์สนี้
เสียงพูดของมนุษย์มีความซับซ้อนและหลากหลาย ทำให้เป็นหนึ่งในรูปแบบข้อมูลที่มีความท้าทายมากที่สุดสำหรับโมเดล machine learning ในการประมวลผลได้อย่างแม่นยำ หลักสูตรนี้มอบพื้นฐานที่แข็งแกร่งในแนวคิดหลักของการประมวลผลเสียงพูดด้วยโครงข่ายประสาทเทียม ช่วยให้คุณสามารถออกแบบและเข้าใจไปป์ไลน์ที่ใช้สำหรับการแปลงเสียงเป็นข้อความ (ASR) และแปลงข้อความกลับเป็นเสียงพูดที่เป็นธรรมชาติ (TTS)
สิ่งที่คุณจะได้เรียนรู้:
* ทำความเข้าใจพื้นฐานของเสียงดิจิทัล รวมถึงการสุ่มตัวอย่าง การสกัดฟีเจอร์ (เช่น MFCCs) และการเตรียมข้อมูลเสียงสำหรับทำโมเดล
* เรียนรู้สถาปัตยกรรมและส่วนประกอบของระบบจดจำเสียงพูดอัตโนมัติ (ASR) สมัยใหม่ โดยเน้นที่โมเดลเสียงและโมเดลภาษา
* เชี่ยวชาญเทคนิคสำหรับการสังเคราะห์เสียงพูดจากข้อความ (TTS) โดยแยกแยะระหว่างวิธีการสังเคราะห์แบบพารามิเตอร์และแบบโครงข่ายประสาทเทียมสมัยใหม่
* ประยุกต์ใช้แนวคิดพื้นฐานของ machine learning กับการทำโมเดลแบบ sequence-to-sequence สำหรับการจัดการกับข้อมูลเสียงตามลำดับเวลาที่มีความซับซ้อน
* ฝึกฝนการรวมส่วนประกอบการประมวลผลเสียงพื้นฐานเข้ากับโครงสร้างการสนทนาอย่างง่ายหรือระบบโต้ตอบ
* สำรวจบทบาทของสถาปัตยกรรม transformer ในการบรรลุผลลัพธ์การจดจำและการสร้างเสียงพูดคุณภาพสูงในยุคปัจจุบัน
หลักสูตรเริ่มต้นด้วยการปูพื้นฐานการประมวลผลเสียงดิจิทัล ก่อนที่จะเจาะลึกไปยังไปป์ไลน์แยกต่างหากสำหรับการจดจำเสียงพูดที่แม่นยำและการสังเคราะห์เสียงพูดที่เหมือนจริง จากนั้นเราจะอภิปรายถึงวิธีรวมส่วนประกอบเหล่านี้เข้ากับระบบการสนทนาที่ใช้งานได้จริง หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นอย่างแท้จริงที่มีความสนใจใน machine learning, การประมวลผลภาษาธรรมชาติ หรือ Conversational AI โดยไม่ต้องมีประสบการณ์มาก่อนในด้านวิศวกรรมเสียงหรือคณิตศาสตร์ขั้นสูง เริ่มสร้างความเชี่ยวชาญของคุณในโลกของเทคโนโลยีเสียงที่กำลังพัฒนาอย่างรวดเร็วได้แล้ววันนี้
สิ่งที่คุณจะได้รับ
-
📜
ใบประกาศนียบัตร
เพิ่มในโปรไฟล์ LinkedIn ของคุณ -
💬
ติวเตอร์ AI ส่วนตัว
ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา -
🎧
รวมเวอร์ชันเสียง
เรียนได้ทุกที่ ไม่ต้องดูจอ -
♾️
เข้าถึงตลอดชีพ
กลับมาเรียนได้ตลอด ไม่มีหมดอายุ -
📱
โทรศัพท์หรือคอมพิวเตอร์
ใช้งานได้ทุกที่ ทุกอุปกรณ์ -
💸
คืนเงิน 14 วัน
ไม่ต้องอธิบาย -
⚡
กระชับและตรงประเด็น
2 ชม. 30 นาที เนื้อหาเชิงปฏิบัติ
รีวิว
ยังไม่มีรีวิว — เป็นคนแรกที่แชร์ประสบการณ์
คำถามที่พบบ่อย
ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +
แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ
ฉันชำระเงินอย่างไร? +
ผ่านบัตรด้วย Stripe เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย
ฉันขอคืนเงินได้ไหม? +
ใช่ — คืนเงินเต็มจำนวนใน 14 วัน ไม่ต้องอธิบาย
ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +
ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด
ฉันจะได้ใบประกาศนียบัตรไหม? +
ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้
ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี
ดีไซน์
การเงิน
การตลาด
สาธารณสุข
การศึกษา
ธุรกิจการบริการ
อุตสาหกรรม
×2
เติมครั้งเดียว จ่ายครึ่งเดียว
เพิ่ม $100 → รับเครดิต 200 เครดิต ทำให้แต่ละหลักสูตรมีราคาประมาณ $12.50 เครดิตไม่มีวันหมดอายุ
$100
200 เครดิต
$12.50 / คอร์ส
คุ้มที่สุด
$250
550 เครดิต
$11.36 / คอร์ส
$500
1200 เครดิต
$10.42 / คอร์ส
เครดิตใช้ได้กับทุกคอร์สและไม่หมดอายุ