首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >利用wavin库获取在C++中捕获的音频信号的幅度(或均方根电压)。

问利用wavin库获取在C++中捕获的音频信号的幅度(或均方根电压)。
EN

Stack Overflow用户
提问于 2011-04-03 03:14:09
回答 2查看 1.6K关注 0票数 2

我正在从事一个非常基本的机器人项目,并希望在其中实现语音识别。我知道这是一个复杂的事情,但我希望只有3到4个命令(或单词)。

我知道使用wavin我可以录制音频。但我希望对音频信号进行实时幅度分析,这怎么能做到,波形将作为8位,单声道输入。

我曾想过将信号分成一个特定时间的集合,进一步将其分成较小的子集,获得子集上的平均RMS值,然后将它们相加,然后查看它们与实际存储的signal.If有多大不同。所有(或大多数)集合的误差都低于可接受的值,然后打印单词。

如何实现这一点?如果你能给我提供任何其他的建议,那就太好了。

谢谢,提前说好。

EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2011-04-03 05:27:34

没有简单的方法来识别单词,因为它们基本上是一个音素序列,可以在时间和频率上变化。

传统的孤立词识别系统使用信号倒谱系数( MFCC )作为输入数据,并尝试使用隐马尔可夫模型( HMM )或动态时间规整( DTW )算法识别模式。

如果你不想要一个录音按钮,你还需要一个静音检测模块。

例如,Edimburgh University toolkit提供了一些这样的工具(有很好的文档)。

如果你不想“从头开始”构建它,或者有灵感的来源,here是这样一个系统(使用自己的工具包)的一个(旧的但免费的)实现,它有一个关于它如何工作的full explanation and practical examples。

这个系统是一个大词汇表连续语音识别系统,你只需要它的一个子集。如果有人知道一个开源的精简词汇量系统(如简单的IVR),那将是受欢迎的。

如果你想用自己的系统做一个基本的系统,我建议你使用MFCC和DTW:

为每个要建模的目标单词计算model:

  • 记录单词的一些实例
  • 通过单词计算一些(例如每个10ms)增量-MFCC to a model

​

当你想要识别一个信号时:

  • :
    • 计算这个信号的一些增量
    • 使用DTW将这些增量MFCC与每个模型化单词的MFCC进行比较最适合的单词(使用阈值删除MFCC

​

票数 3
EN

Stack Overflow用户

发布于 2011-04-03 21:23:08

如果你只想识别几个命令,有很多商业和免费的产品可以使用。请参见Need text to speech and speech recognition tools for Linux或What is the difference between System.Speech.Recognition and Microsoft.Speech.Recognition?或Speech Recognition on iPhone。这些问题的答案链接到许多可用的产品和工具。语音识别和理解命令列表是商业上解决的一个非常常见的问题。您呼叫的许多语音自动电话系统都使用这种技术。开发人员也可以使用相同的技术。

从观察这些问题的几个月中,我看到大多数开发人员的选择是这样的:

当然,这也可能是有帮助的- http://en.wikipedia.org/wiki/List_of_speech_recognition_software

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/5525289

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