c# - 使用 Microsoft Cognitive 进行实时说话人识别

Question

我正在尝试构建一个应用程序，通过使用 Microsoft Cognitive Speaker Recognition API 来解决说话人分类问题。

查看 sample project并阅读 APIs documentation ，我知道应该通过向服务发送 wav 文件来完成识别，这违背了我实时进行的目标。

有人研究过吗？使用这些 API 是否可行，或者我应该寻找另一条路？

Answer 1

注册需要 30 秒的数据。一旦你有了用户配置文件，你就可以从 1 秒的样本中识别用户，这样你就可以几乎实时地以非常小的延迟进行识别。要使用它，您需要设置 shortAudio parameter .很难想象识别工作会比这更快。

如果您需要不同的东西，可以使用开源语音工具包，例如 Kaldi这可以做更灵活的事情。