humanoid歌詞的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

分離歌唱人聲與伴奏聲之高性能演算法

為了解決humanoid歌詞的問題，作者林嘉欣 這樣論述：

本文是有關於歌唱人聲分解和盲訊號分離的研究。歌唱人聲與伴奏聲的分離(Singing Voice Separation, SVS)在音樂資訊探索(music information retrieval)、歌詞對齊時間點(alignment of lyrics)和歌詞辨識(lyrics recognition)、以及製作Karaoke伴唱帶等諸多應用上，扮演重要角色。近年來深度學習為主的SVS解決方案在很多場域的表現確實出色，但是它們的效能依賴於訓練資料的多寡、種類及音質，而且在可攜性與計算量方面，尚有改善空間。相較之下，經典的音訊演算法仍然具有快速、通用的優勢。在實務上，我們發現單聲道的經典S

VS演算法存在重大缺點：它的低頻性能不佳。原因是演算法在引用時頻圖分析時，低頻的分辨率不高。這導致歌唱人聲總是錯誤地攜帶低頻的伴奏成分。為了解決這個問題，我們提出了結合監督式非負矩陣分解(Supervised Non-negative Matrix Factorization, SNMF)方法來輔助分析結果。我們事先使用少量的乾淨樂器 (通常是打擊鼓組、貝斯)音源，訓練出基底。如此一來，就能在正式的分解階段大幅提高低頻分解的正確程度。我們的方法在單聲道的SVS上，比起其它的主流方法，SDR與SIR皆有明顯的提高。現今音樂大部分以雙聲道的形式流通於網路上。我們注意到在2個混音(Mixtures)

的情況下，可以結合盲訊號分離方法，增進SVS的分離效能。DUET 是很常見的盲訊號分離(Blind Sources Separation, BSS)方法，它只需要2個觀測混合就能實現。所以在我們提出雙聲道的SVS方法中，引用了DUET加強分離的性能。不過，我們發現到DUET應用於一些場合，其建立的直方圖無法反應出正確的聲源數目、衰減與延遲。例如：不同聲源之間的時間占比有巨大落差時，導致時間占比小的聲源容易直接被演算法忽略掉。對此，我們提出了子直方圖的想法，搭配Max-Dist 和Var-Dist 建立直方圖。它們能良好的解決時間占比落差過大或是SNR低的應用場合所衍生的阻礙。此外，DUET在重

建聲源的步驟中，會摻入非直接路徑上的成份，而降低估計聲源的乾淨程度。為了解決這個問題，我們提出了DPM (Direct Path Masking)方法調整聲源模型。它讓我們從混音中估計出主要來自直接路徑的聲源。最後，我們成功地結合上述聲源分離方法，獲得高性能的雙聲道SVS。經過實驗驗證，它在聲源分離的最重要指標像是SIR、SDR，確實皆優於現有的方法。

機器人頸部機構設計控制、觸覺與語音功能實現

為了解決humanoid歌詞的問題，作者劉敦義 這樣論述：

本論文乃是與另一位同學論文[1]合作主要目的為使用低成本的材料與零件去設計製作一個靈活的機器人頭並讓此機器人頭能與人互動。機器人頭的頸部機構設計可以有三維的運動方向，並以SolidWorks進行繪製，為了達到低成本、減輕重量的目的，我們利用SolidWorks繪製機構後，透過3D列印機列印出各頸部部件，並與[1]所設計之頭部組合，完成一個機器人頭。在頸部三維運動的裝置設計與控制上，為了減少馬達支撐頭部的負擔，頸部上下兩方安裝三角形板，中間部分使用彈簧作為支撐，兩塊三角形板的三個角鑽洞並以鋼線連結至安裝在下方盒子中的馬達，透過三個AX-12伺服馬達的收線與放線來讓彈簧彎曲和位於上三角形板的馬達

轉動來達成頸部的三維度運動。在與人互動方面，本論文利用Kinect感測器與觸摸感測器從環境獲得資訊，機器人頭能自主判斷感測器之資訊並給予不同回應。本論文設計出四個主要功能來讓機器人頭與人互動，分別為：1)照相與網路相簿功能; 2)音樂歌唱功能; 3)語音辨識與說話功能; 4)觸摸與拍打回應功能。使用者可以根據[1]所設計出來的手勢來開啟所需要的功能來與機器人頭互動，其中1)照相與網路相簿功能乃是[1]之工作內容，在音樂歌唱功能方面，本論文利用MIDI、MP3與KSC資訊，讓頸部控制與嘴巴張合可以配合音樂節拍與歌詞；在語音辨識與說話功能方面，機器人頭可以成功地辨識出人所說的話，並根據所說的話來給

予回應；在觸摸與拍打回應功能方面，我們利用Arduino接收觸摸感測器MPR121的資訊，讓機器人頭可以像人一樣擁有觸覺。最後，透過結合硬體機構與程式功能，來完成一個能與人互動的機器人頭。