语音处理可视化实验室

交互式语音处理算法可视化平台。涵盖语音识别、语音合成、声纹识别、端点检测、声码器、Whisper 架构、语音增强与流式 ASR 八大核心模块，通过实时 SVG 动画展示信号处理全流程。

8 个可视化模块 实时 SVG 动画 零外部依赖 单文件部署
01
ASR 语音识别
波形到文字的端到端流程
02
TTS 语音合成
文字到语音的生成流程
03
声纹识别
嵌入提取与身份比对
04
VAD 端点检测
能量阈值与逐帧决策
05
声码器
Mel 频谱到波形重建
06
Whisper 架构
编码器-解码器 Transformer
07
语音增强
带噪语音降噪处理
08
流式 ASR
实时增量解码输出
01

ASR 语音识别

Automatic Speech Recognition

音频波形 → 频谱图 → 编码器 → CTC/Attention 解码 → 文字

Waveform→Spectrogram→Encoder→Decoder→Text
02

TTS 语音合成

Text-to-Speech

文字 → 编码 → 声学模型 → 声码器 → 波形

Text→Encoder→Mel-Spec→Vocoder→Waveform
03

声纹识别

Speaker Recognition

音频 → 嵌入提取 → 比对 → 身份确认

Audio→Embedding→Comparison→Identity
04

VAD 端点检测

Voice Activity Detection

能量曲线 + 决策线 → 逐帧检测语音端点

Energy→Threshold→Decision→Endpoint
05

声码器

Vocoder

Mel 频谱 → 波形重建 (Griffin-Lim / WaveNet / HifiGAN)

Mel-Spec→Vocoder→Waveform
06

Whisper 架构

Whisper Transformer

编码器-解码器 Transformer 结构，多任务支持

Audio→Encoder→Cross-Attn→Decoder→Output
07

语音增强

Speech Enhancement

带噪语音 → 降噪处理 → 干净语音

Noisy→Denoise→Clean
08

流式 ASR

Streaming ASR

音频流 → 分块 → 增量解码 → 实时文字输出

Stream→Chunk→Decode→Text