- r - 以节省内存的方式增长 data.frame
- ruby-on-rails - ruby/ruby on rails 内存泄漏检测
- android - 无法解析导入android.support.v7.app
- UNIX 域套接字与共享内存(映射文件)
我正在寻找一种算法来确定实时音频输入是否与 144 个给定(且截然不同的)音素对中的一个相匹配。
最好是完成工作的最低级别。
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 .这使得 144 个可能的音素对。学生必须根据视觉刺激唱出正确的音素对“laa duu bee”等。
我对此做了很多研究,看起来我最好的选择可能是使用 iOS Sphinx 包装器之一(iPhone App › Add voice recognition? 是我找到的最好的信息来源)。但是,我看不出我将如何调整这样一个包,任何有使用这些技术经验的人都可以给出所需步骤的基本概述吗?
用户是否需要培训?我本以为不会,因为与包含数千个单词的完整语言模型和更大、更微妙的音素库相比,这是一项如此基本的任务。然而,让用户训练 12 个音素对是可以接受的(不理想):{ consonant1+vowel1, consonant2+vowel2, ..., consonant12+vowel12 }。完整的 144 太累了。
有没有更简单的方法?我觉得使用功能齐全的连续语音识别器就像使用大锤来破解坚果一样。使用能够解决问题的最少技术会优雅得多。
所以我真的在寻找任何识别音素的开源软件。
PS 我需要一个几乎实时运行的解决方案。所以即使他们在唱这个音符,首先它会闪烁以说明它拾取了所唱的音素对,然后它会发光以说明他们是否在唱正确的音高
最佳答案
如果您正在寻找手机级开源识别器,那么我会推荐HTK .该工具以 HTK Book 的形式提供了非常好的文档。它还包含一整章专门用于构建电话级别的实时语音识别器。从您上面的问题陈述来看,在我看来您可能能够将该示例重新工作到您自己的解决方案中。可能的陷阱:
既然要做手机级别的识别器,那么训练手机模型所需的数据量会非常大。此外,您的训练数据库应该在电话分布方面保持平衡。
构建独立于说话人的系统需要来自多个说话人的数据。还有很多。
由于这是开源的,您还应该查看许可信息以了解有关发布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录音机,然后将录制的波形通过数据通道发送到服务器进行识别,这与谷歌所做的非常相似。
关于iOS/C : Algorithm to detect phonemes,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6387062/
IO 设备如何知道属于它的内存中的值在memory mapped IO 中发生了变化? ? 例如,假设内存地址 0 专用于保存 VGA 设备的背景颜色。当我们更改 memory[0] 中的值时,VGA
我目前正在开发一个使用Facebook sdk登录(通过FBLoginView)的iOS应用。 一切正常,除了那些拥有较旧版本的facebook的人。 当他们按下“使用Facebook登录”按钮时,他
假设我有: this - is an - example - with some - dashesNSRange将使用`rangeOfString:@“-”拾取“-”的第一个实例,但是如果我只想要最后
Card.io SDK提供以下详细信息: 卡号,有效期,月份,年份,CVV和邮政编码。 如何从此SDK获取国家名称。 - (void)userDidProvideCreditCardInfo:(Car
iOS 应用程序如何从网络服务下载图片并在安装过程中将它们安装到用户的 iOS 设备上?可能吗? 最佳答案 您无法控制应用在用户设备上的安装,因此无法在安装过程中下载其他数据。 只需在安装后首次启动应
我曾经开发过一款企业版 iOS 产品,我们公司曾将其出售给大型企业,供他们的员工使用。 该应用程序通过 AppStore 提供,企业用户获得了公司特定的配置文件(包含应用程序配置文件)以启用他们有权使
我正在尝试将 Card.io SDK 集成到我的 iOS 应用程序中。我想为 CardIO ui 做一个简单的本地化,如更改取消按钮标题或“在此保留信用卡”提示文本。 我在 github 上找到了这个
我正在使用 CardIOView 和 CardIOViewDelegate 类,没有可以设置为 YES 的 BOOL 来扫描 collectCardholderName。我可以看到它在 CardIOP
我有一个集成了通话工具包的 voip 应用程序。每次我从我的 voip 应用程序调用时,都会在 native 电话应用程序中创建一个新的最近通话记录。我在 voip 应用程序中也有自定义联系人(电话应
iOS 应用程序如何知道应用程序打开时屏幕上是否已经有键盘?应用程序运行后,它可以接收键盘显示/隐藏通知。但是,如果应用程序在分屏模式下作为辅助应用程序打开,而主应用程序已经显示键盘,则辅助应用程序不
我在模拟器中收到以下错误: ImageIO: CGImageReadSessionGetCachedImageBlockData *** CGImageReadSessionGetCachedIm
如 Apple 文档所示,可以通过 EAAccessory Framework 与经过认证的配件(由 Apple 认证)进行通信。但是我有点困惑,因为一些帖子告诉我它也可以通过 CoreBluetoo
尽管现在的调试器已经很不错了,但有时找出应用程序中正在发生的事情的最好方法仍然是古老的 NSLog。当您连接到计算机时,这样做很容易; Xcode 会帮助弹出日志查看器面板,然后就可以了。当您不在办公
在我的 iOS 应用程序中,我定义了一些兴趣点。其中一些有一个 Kontakt.io 信标的名称,它绑定(bind)到一个特定的 PoI(我的意思是通常贴在信标标签上的名称)。现在我想在附近发现信标,
我正在为警报提示创建一个 trigger.io 插件。尝试从警报提示返回数据。这是我的代码: // Prompt + (void)show_prompt:(ForgeTask*)task{
您好,我是 Apple iOS 的新手。我阅读并搜索了很多关于推送通知的文章,但我没有发现任何关于 APNS 从 io4 到 ios 6 的新更新的信息。任何人都可以向我提供 APNS 如何在 ios
UITabBar 的高度似乎在 iOS 7 和 8/9/10/11 之间发生了变化。我发布这个问题是为了让其他人轻松找到答案。 那么:在 iPhone 和 iPad 上的 iOS 8/9/10/11
我想我可以针对不同的 iOS 版本使用不同的 Storyboard。 由于 UI 的差异,我将创建下一个 Storyboard: Main_iPhone.storyboard Main_iPad.st
我正在写一些东西,我将使用设备的 iTunes 库中的一部分音轨来覆盖 2 个视频的组合,例如: AVMutableComposition* mixComposition = [[AVMutableC
我创建了一个简单的 iOS 程序,可以顺利编译并在 iPad 模拟器上运行良好。当我告诉 XCode 4 使用我连接的 iPad 设备时,无法编译相同的程序。问题似乎是当我尝试使用附加的 iPad 时
我是一名优秀的程序员,十分优秀!