如何检测是谁在说话？

Question

我正在为我们的工作场所开发一个项目，用来操纵我们的环境，比如灯光、咖啡机、打印机等等，我不想知道如何才能检测到谁在和我们的系统说话。

我正在使用Speech.Recognition库与C#一起构建项目。

到目前为止，我已经成功地捕获了命令并执行了一些简单的事情，但是我想进一步检测这个人，所以如果一个人(例如"John“)正在说话，那么当他说"Hi system”时，系统会记录正在说话的人并响应"Hi John!“在那之后，它只识别“John”的语音命令，而忽略不同的声音。

Answer 1

你想做的是Voice Biometrics，这是一个难题，像Nuance (http://www.nuance.com/for-business/by-solution/customer-service-solutions/solutions-services/inbound-solutions/voice-authentication-biometrics/index.htm)这样的公司已经解决了。不过，我相信有开源/研究解决方案。

一个很好的项目(用Java语言)，例如：http://sourceforge.net/projects/marf/

Answer 2

您正在请求语音识别或语音验证，这是语音分析的众多用途之一。注意，语音识别远不是完美的。

你首先需要训练数据和算法，你可以从这些数据和算法中推导出说话人的统计模型。稍后，在识别/验证阶段，您将尝试将输入数据与统计模型进行拟合，并确定阈值，该阈值决定说话人是否已知。如果你想自己实现或者只是寻找更多的技术信息，一些关键字是Mel频率倒谱系数，高斯混合模型和隐马尔可夫模型。

一个有趣的工具可能是。它不能直接作为库使用，但是ICSI的人们已经编写了一个名为praatlib的包装器。它提取语音特征，如共振峰频率，基音等。ICSI使用它来区分录音中的说话人(这称为二分法)。

有相当多的免费工具可用，但所有这些都需要对统计数据、语音分析和大量时间的深入理解，以便理解通常文档不足的学术代码。您应该关注的一些有趣的项目是 (Java)和 (C++)。Sphinx有很好的文档，SHoUT有一篇论文，如果你发现自己对理论细节提出质疑，你可以阅读。

Answer 3

您需要使每个用户都是唯一的。

你可以通过拥有一个用户池，并使用你的Recog库...将其独特的语音属性(音高、级别等)存储到所述池中，然后让您的软件识别这些属性，并相应地执行。