Construção e avaliação de um discriminador robusto de fala/música com múltiplas características

Relatamos a construção de um sistema de computador em tempo real capaz de distinguir sinais de fala de sinais musicais em uma ampla gama de entrada de áudio digital. Examinamos 13 características destinadas a medir propriedades conceitualmente distintas dos sinais de fala e/ou música, e as combinamos em várias estruturas de classificação multidimensionais. Fornecemos dados extensivos sobre o desempenho do sistema e a configuração de treinamento/teste com validação cruzada utilizada para avaliar o sistema. Para os conjuntos de dados atualmente em uso, o melhor classificador classifica com 5,8% de erro em uma base de quadro a quadro, e 1,4% de erro ao integrar segmentos longos (2,4 segundos) de som.