tensorflow - 语音识别(使用ML？)，而不是语音识别

Question

我正在寻找用于语音识别的示例代码（不要与语音识别相混淆），也就是说-我需要建立一个可以检测特定人的语音的模型。

我可能最终会尝试使用自己的数据调整Tensor Flow“简单音频识别” ...这是最好的做法吗？还有其他建议吗？

Answer 1

在很大程度上取决于具体情况。您将拥有多少训练样本？您打算认识多少人？信噪比是多少？系统必须识别多少时间？应该有多严格？

不过，我已经告诉您，从神经网络开始是一个糟糕的做法，因为您立即放弃对领域的理解。与大多数其他学习系统相比，对行为异常的神经网络进行故障排除要麻烦得多。

我建议您构建自己的功能，而不是一开始就依赖ANN。现在，我假设您对Python（作为大多数TF用户）没问题，并提出以下模块：


Yaafe
aubio
librosa


作为一种选择，您可以使用三个MFCC中的任何一个进行计算并在其上构建基准系统。通常，每个窗口计算40个或更多的系数，这些系数可以可视化为频谱图。后者可以解释为图像，并且，如果您愿意的话，可以对它们进行深度学习（这是一种流行的选择）。

请注意，“说话者识别”是生物识别的一个完整领域，并且有许多论文讨论了良好的方法。