首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >iOS / C:音素检测算法

问iOS / C:音素检测算法
EN

Stack Overflow用户
提问于 2011-06-17 22:08:43
回答 4查看 5.2K关注 0票数 18

我正在寻找一种算法,以确定实时音频输入是否与144个给定(和舒适地不同)音素对中的一个匹配。

最好是完成这项工作的最低级别。

我正在为iPhone / iPad开发激进/实验性的音乐训练软件。

我的音乐系统包括12个辅音音素和12个元音音素,演示了here。这样就有了144个可能的音素对。学生必须唱出正确的音素对'laa duu bee‘等以响应视觉刺激。

我对此做了很多研究,看起来我最好的选择可能是使用iOS的Sphinx包装器( iPhone App › Add voice recognition?是我找到的最好的信息来源)。然而,我不知道如何适应这样的包,有使用这些技术的经验的人能给出所需步骤的基本概要吗?

用户是否有必要进行培训?完整的144将是太繁重的负担。

有没有更简单的方法?我觉得使用全功能的连续语音识别器是在用大锤敲坚果。使用能解决问题的最低限度的技术要优雅得多。

所以我真的在寻找任何能识别音素的开源软件。

另外,我需要一个解决方案,运行几乎实时。因此,即使他们在演唱音符,它也会先闪烁,以说明它拾取了所演唱的音素对,然后它会发光,以说明他们是否唱对了音调。

EN

回答 4

Stack Overflow用户

发布于 2011-06-30 16:59:18

如果你正在寻找一个手机级别的开源识别器,那么我会推荐HTK。该工具以HTK书籍的形式提供了非常好的文档。它还包含一个完整的章节,致力于建立一个电话级别的实时语音识别器。从你上面的问题陈述来看,在我看来,你似乎能够将这个例子重新工作到你自己的解决方案中。可能的陷阱:

  1. 由于您想要进行电话级别识别器,因此训练电话模型所需的数据将非常高。此外,您的训练数据库应该根据电话的分布情况进行平衡。
  2. 构建与说话人无关的系统需要来自多个说话人的数据。而且还有很多这样的东西。
  3. 由于这是开源的,您还应该查看许可信息,以了解有关交付代码的任何其他详细信息。一个很好的选择是使用手机上的记录器,然后将记录的波形通过数据通道发送到服务器进行识别,这很像谷歌所做的事情。
票数 5
EN

Stack Overflow用户

发布于 2011-06-23 05:53:22

我对这种类型的信号处理有一点经验,我想说这可能不是那种可以明确回答的有限问题。

值得注意的一件事是,尽管您可能会限制您感兴趣的音素,但可能性空间保持不变(即无穷大)。用户训练可能会对算法有所帮助,但有用的训练需要相当多的时间,而且似乎你反对太多的时间。

使用Sphinx可能是解决这个问题的一个很好的开始。我自己对这个库的了解还不是很深入,但我猜您将自己使用它的源代码来获得您想要的东西。(开源万岁!)

...using用大锤子敲碎坚果。

我不会给你的问题贴上坚果的标签,我会说它更像一头野兽。它可能是与自然语言语音识别不同的野兽,但它仍然是野兽。

票数 4
EN

Stack Overflow用户

发布于 2011-06-30 22:12:09

不确定这是否会有帮助:查看OpenEars的LanguageModelGenerator。OpenEars使用Sphinx和其他库。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/6387062

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档