音声分類
チップ
| チップの値 | 説明 |
|---|---|
| ndp120_b0 | NDP120シリーズB0 — すべての標準的な音声デプロイメントの主要ターゲット |
モデルアーキテクチャ
| アーキテクチャ | 推奨ユースケース |
|---|---|
| mlpnet | シンプルなキーワードスポッティング、小規模な語彙、非常に低いレイテンシ（デフォルト） |
| convnet | ノイズの多い環境でのフレーズ検出、複数語コマンド |
| expandedconvnet | より高い精度、または大規模な語彙 |
| edgenet | 超低消費電力、常時オンのリスニング |
| recurrent | 連続的または時間依存の音声パターン |
| temporal_convolution_resnet | 長いフレーズと頑健な時間モデリング |
| custom | ネットワーク設計の完全なコントロール |
ネットワークレイヤー（読み取り専用）
選択されたチップとアーキテクチャから自動生成されます。Input → Conv2D → Flatten → Dense → Softmaxと、各レイヤーでの出力形状が表示されます。
注意
ネットワークトポロジーは自動計算され、読み取り専用です。アーキテクチャを変更するには、「モデルアーキテクチャ」ドロップダウンを使用してください。
オーディオ特徴量設定 — ユーザー入力
| パラメータ | 説明 |
|---|---|
| 入力行列（特徴量） | フィルタバンクの周波数ビン数（nfilters） |
| 入力行列（時間） | 連続する時間フレームの数（wincount） |
| ウィンドウ長（秒） | 時間フレームがカバーする合計時間（秒） |
| ウィンドウステップ | 連続する短時間ウィンドウ間のオーディオサンプル数（ホップサイズ） |
| プリエンファシス係数 | 高周波強調フィルタの係数。標準値：0.96875 |
| パワーオフセット | 対数フィルタバンクエネルギーを計算する前の対数オフセット。標準値：52 |
| データオーグメンテーションを有効にする | クラスごとに追加の合成フィルタバンクサンプルを生成する |
| クラスごとのオーグメンテーション済みフィルタバンク数 | クラスごとに生成するオーグメンテーション済みサンプルの数 |
ndp120_b0の推奨パラメータ
| パラメータ | 値 |
|---|---|
| 入力行列（特徴量） | 40 |
| 入力行列（時間） | 40 |
| ウィンドウ長（秒） | 1.000 |
| ウィンドウステップ | 384 |
| プリエンファシス係数 | 0.96875 |
| パワーオフセット | 52 |
| ウィンドウ長（計算値） | 512 |
| 特徴量抽出器（計算値） | log-bin |
| ニューラルネットワークへのサンプル数（計算値） | 1600 |
| サンプリングレート（計算値） | 16000.00 |
注意
特に変更する理由がない限り、これらのデフォルト値を使用してください。
ラベル選択
| 項目 | 説明 |
|---|---|
| ターゲットワード | モデルが検出すべきキーワード — それぞれが個別のクラスとなる |
| オープンセットワード | 検出をトリガーしてはならない単語 — すべて1つの非ターゲットクラスにまとめられる |
| クラス数 | 自動計算：ターゲットワード数 + 1（オープンセットクラス） — 読み取り専用 |
特徴量生成出力
- チップとモデルアーキテクチャを選択する
- ユーザー入力コンポーネントを設定する
- 計算済みコンポーネント（ニューラルネットワークへのサンプル数、サンプリングレート、行列の次元）を確認する
- 必要に応じてデータオーグメンテーションを有効にし、クラスごとのオーグメンテーション済みフィルタバンク数を設定する
- ラベル選択でターゲットワードとオープンセット項目を割り当てる
- **「特徴量を生成」**をクリックする — 出力ファイル：
X_train.npy、X_test.npy、y_train.npy、y_test.npy
データエクスプローラータブ
教師なしクラスタリングを使用した、音声サンプルの類似性のインタラクティブな可視化です。ラベル付けが不十分なデータ、クラスの重複、外れ値を特定します。KNNおよびSVM分類器をサポートします。