Audio uglavnom ostvaruje sljedeće funkcije: A, vađenje omotnicu audio, shvativši da je prevelika, premala i presresti otkrivanje funkcije; B, usporedbu energetske vrijednosti prije i nakon zvuka pauze, ostvariti funkciju zvučne detekcije; C, audio prvog reda pravac dolikuje obrada se izvodi na volumen vrijednosti na početku i na kraju dobiti nagib i vertikalni pomak opremljena ravne linije, tako da shvate funkciju detekcije prvi kraj fade-in i fade-out učinak; D. tipični trenutni zvučne spektra posjeduje očite svijetle linije. Izračunavanjem audio energije i odgovarajuću vrijednost varijance, ova karakteristika se analizira ostvariti funkciju mjerenje struje zvuka. Izum ima prednosti koje metoda za izdvajanje omotnicu je usvojen, a točnost prepoznavanja volumen je dodatno poboljšan; otkrivanje fade in i vanjska strana dobro obavlja, a točnost je visoka; metoda ima dobar otkrivanje učinak na određene sadašnji zvuk.
S ciljem trajnog unapređivanja kvalitete života modernog čovjeka, Narodna provođenju kvalitete glazbe postaje sve više hitno. Kvalitetan MP3s, oblik lossless glazbe i slično, glazbe uvažavanje mjesta i softver su sve više uključuje u svakodnevnom životu ljudi. Međutim, u velikom broju glazba glazba knjižnica, kvalitete zvuka nije jedinstvena i ručna Detekcija kvalitete zvuka zahtijeva veliku količinu rada i nije održiv. Stoga, to zahtijeva veće sigurnosti za rješavanje ovog problema.
Metoda audio lice otkrivanje, ove značajke će utjecati na slušni efekt publike u određenoj mjeri, čime se osigurava određene reference za umjetne detekcije kvalitete zvuka. Tom metodom, audio mogućnosti može automatski detektirati, veliku količinu posla i ljudstvo rizikom ručnog otkrivanja svode i učinkovito poboljšati učinkovitost otkrivanja. Istovremeno, karakterističan lažne detekcije uzrokovane ljudskog faktora može biti smanjen, a točnost prepoznavanja dodatno osigurana.
Vađenje audio mogućnosti, zatim analizira učinkovitost i robusnost te značajke za razlikovanje različitih audio vrsta iz dva aspekta. Konačno, na temelju tih značajki, klasifikator je podrška vektor stroj (SVM) se koristi za vlak i test na audio skupa podataka od oko 5 sati, dijeli audio u pet prethodno definiranih kategorija: nijemi, čisti govor, nečist govora, glazbe i ambijentalni zvuk. Eksperimentalni rezultati pokazuju da korištenje učinkovit audio mogućnosti, moguće je klasificirati audio scene u različite vrste.
