个人语音识别/识别

Question

我想要录制某人的声音，然后从我获得的关于他/她的声音的信息中，我可以识别出这个人是否还在说话！问题是，我没有关于什么统计数据(如频率)导致人类声音差异的信息，如果有人可以帮助我如何识别某人的声音？

当我在研究的时候，我发现了各种关于语音识别的库，但它们对我没有帮助，因为我的问题非常简单！我只想认出那个说话的人，而不是他在说什么。

Answer 1

这里可能会有一些帮助:基于开源快速傅立叶变换库( http://www.exocortex.org/dsp/ )的http://www.generation5.org/content/2004/noReco.asp，它提供了一些关于如何进行说话人验证的建议。

Answer 2

你描述的问题并不简单，因为同一个人的声音可能听起来不同(例如，如果这个人患了伤风等)。和/或如果这个人说得更大/更快/更慢等等。

另一点是与其他声音(背景，其他声音等)的分离。

录音设备的质量非常重要-一些系统使用多个麦克风来实现良好的效果……

总而言之，这不是一件容易的事情。如果你想达到一个好的检测率。

基本上实现这一点的方法是：

根据理想的声音设置，使用您要识别的语音的指纹来实现稳健的声音/声音模式separation

• implement a DB extraction

• create a DB

• 定义一种算法，用于比较您存储的指纹和提取/归一化的声音/声音模式(有一些“可能相等”的阈值等)

，直到您的算法达到可接受的检测率(也要考虑误报率！)

有关更好的概述，请参阅http://www.scholarpedia.org/article/Speaker_recognition

Answer 3

请参阅VoiceID for Linux。它使用Sphinx和其他库，安装非常简单。