This book discusses the typical Intelligent Audio Analysis chain running from audio data to features to recognition. Offers several applications in speech, music, and general sound, plus benchmark results and standardized test-beds for audio analysis tasks.

This book provides the reader with the knowledge necessary for comprehension of the field of Intelligent Audio Analysis. It firstly introduces standard methods and discusses the typical Intelligent Audio Analysis chain going from audio data to audio features to audio recognition. Further, an introduction to audio source separation, and enhancement and robustness are given.
After the introductory parts, the book shows several applications for the three types of audio: speech, music, and general sound. Each task is shortly introduced, followed by a description of the specific data and methods applied, experiments and results, and a conclusion for this specific task.
The books provides benchmark results and standardized test-beds for a broader range of audio analysis tasks. The main focus thereby lies on the parallel advancement of realism in audio analysis, as too often today's results are overly optimistic owing to idealized testing conditions, and it serves to stimulate synergies arising from transfer of methods and leads to a holistic audio analysis.

Provides benchmark results and standardised test-beds for a broader range of audio analysis tasks Extends the range of Intelligent Audio Analysis application by showing its potential in new tasks Stimulates synergies arising from transfer of methods and lead to a holistic audio analysis Shows deficiencies in current approaches and sketches future perspectives Includes supplementary material: sn.pub/extras

Autorentext

Kristian Kroschel studierte an den Universitäten Karlsruhe und Erlangen-Nürnberg Elektrotechnik mit dem Schwerpunkt Nachrichtentechnik. An der Universität Karlsruhe wurde er 1971 zum Dr.-Ing. promoviert. 1974 erfolgte seine Habilitation für das Fach Nachrichtentechnik an der Fakultät für Elektrotechnik und Informationstechnik der Universität Karlsruhe. Bis 2008 lehrte er dort als Professor und ist seitdem am Fraunhofer Institut für Optronik, Systemtechnik und Bildauswertung (IOSB) in Karlsruhe als wissenschaftlicher Berater tätig. Daneben hält er Kurse in der Industrie zu Themen der digitalen Signalverarbeitung und Informationsübertragung, mit denen sich auch seine über 100 Publikationen befassen. Gerhard Rigoll studierte an der Universität Stuttgart Technische Kybernetik und war danach am Fraunhofer-Institut (IAO) in Stuttgart tätig. Er promovierte 1986 im Bereich der automatischen Spracherkennung und schloß seine Habilitation für das Fach Mensch-Maschine-Kommunikation 1991 in Stuttgart ab. Von 1986-88 war er Postdoctoral Fellow am IBM Thomas Watson Research Center in Yorktown Heights/USA und von 1991-93 Gastwissenschaftler bei den NTT Human Interface Laboratories in Tokio/Japan. Danach war er Universitätsprofessor für Technische Informatik in Duisburg und ist seit 2002 Ordinarius für Mensch-Maschine-Kommunikation an der TU München. Er ist Autor und Co-Autor von mehr als 400 Publikationen in allen Bereichen der multimodalen Mensch-Maschine-Kommunikation und Mustererkennung und aktiv als Mitglied, Gutachter und Editor in vielen nationalen und internationalen wissenschaftlichen Gremien und Verbänden. Björn Schuller studierte an der Technischen Universität München Elektrotechnik und Informationstechnik und wurde 2006 in diesem Gebiet promoviert. Aktuell ist er nach gastwissenschaftlichen Aufenthalten am CNRS-LIMSI bei Paris und im Computing Department des Imperial College London zu den Forschungsthemen der intelligenten Sprach- undBildverarbeitung in den Jahren 2009 und 2010 als Dozent für Audiosignalverarbeitung und Mustererkennung an der TU München im Rahmen seiner Habilitation in Lehre und Forschung tätig. In diesen Bereichen finden sich auch seine über 150 wissenschaftlichen Publikationen sowie Editor- und Gutachtertätigkeiten für über 20 renommierte wissenschaftliche Journale.

Inhalt
Part I Introduction.- Intelligent Audio Analysis: a Definition.- Motivation, Aims, and Solutions.- Structure of this book.- Part II Intelligent Audio Analysis Methods.- Chain of Processing.- Audio Data.- Audio Features.- Audio Recognition.- Audio Source Separation: openBlissART.- Audio Enhancement and Robustness.- Part III Intelligent Audio Analysis Applications.- Applications in Intelligent Speech Analysis.- Applications in Intelligent Music Analysis.- Applications in Intelligent Sound Analysis.- Part IV Conclusion.- Discussion.- Vision.- openSMILE Standardised Feature Sets.