ai_learning/modules/11_audio_speech_music/glossary.md

Глоссарий модуля 11

• Aliasing — неразличимость разных аналоговых частот после дискретизации; частоты выше Найквиста сворачиваются в представимый диапазон.
• ASR (automatic speech recognition) — автоматическое преобразование речи в текст.
• Attention — механизм взвешенного объединения значений по сходству queries и keys.
• Beat — воспринимаемая позиция регулярного музыкального пульса.
• Bit depth — число бит для квантованного отсчёта одного PCM-канала.
• BPM — число beats в минуту; при постоянном tempo \mathrm{BPM}=60000/\mathrm{beatLength}_{ms}.
• CER — Levenshtein-ошибка на символах, делённая на число символов reference.
• Channel — синхронная звуковая дорожка, например левый канал stereo.
• Clipping — ограничение амплитуды порогом с необратимым искажением waveform.
• CTC — функция обучения последовательностей без покадрового выравнивания, суммирующая пути с blank и повторами.
• DFT / FFT — дискретное Fourier transform и быстрый алгоритм его вычисления.
• Downbeat — первая сильная доля такта.
• Forced alignment — привязка известного transcript к временным интервалам аудио.
• Frame / hop length — короткий участок сигнала / сдвиг соседних кадров.
• GRU — gated recurrent unit с update/reset gates.
• Hit object — circle, slider или spinner в карте osu!.
• Inherited timing point — timing point osu!, меняющий параметры вроде slider velocity, но не задающий новую BPM-сетку.
• LSTM — рекуррентная ячейка с cell state и входным, забывающим и выходным воротами.
• Mel-spectrogram — power-спектрограмма после mel filter bank.
• Onset — начало акустического события; не обязательно beat.
• Onset strength envelope — временной ряд спектральной новизны.
• PCM — представление звука последовательностью квантованных амплитуд.
• Phase — угол комплексного Fourier-коэффициента.
• Power spectrum — квадрат magnitude спектра.
• RNN — сеть, обновляющая скрытое состояние вдоль последовательности.
• Sample rate — число отсчётов в секунду.
• Spectral leakage — распределение энергии тона по соседним bins из-за конечного окна.
• Spectrogram — карта спектральной magnitude или power по времени.
• STFT — Fourier transform перекрывающихся окон сигнала.
• Tempo — скорость выбранного уровня музыкального пульса.
• Tempogram — локальная сила периодичностей onset envelope.
• Timing point — запись .osu, задающая timing grid или унаследованные параметры.
• WER — сумма замен, удалений и вставок слов, делённая на число слов reference.
• Whisper — семейство encoder-decoder Transformer для многоязычного ASR и перевода.
• Window — весовая функция кадра, управляющая leakage и разрешением.
• Частота Найквиста — f_s/2, граница уникального диапазона при равномерной дискретизации.