python - 用python机器学习识别声音(单词)

Question

我正在准备一个实验，我想使用python编写程序以识别参与者说出的某些单词。

我在python中搜索了很多有关语音识别的内容，但结果却很复杂(例如CMUSphinx)。

我要实现的是一个程序，该程序接收一个声音文件(仅包含一个单词，不包含英语)，然后告诉程序声音的含义和想要看到的输出。

我看过有关识别手写数字的sklearn example。我想知道是否可以执行以下示例:

训练程序根据来自不同人说同一单词的声音文件返回某些输出(例如数字)；

从别人说相同的单词时获取新的声音文件时，返回相同的值。

我可以使用python和sklearn吗？
如果是这样，我应该从哪里开始？

谢谢!

Answer 1

我已经在文本识别中编写了这样的程序。我可以告诉您，如果您选择手动“教”您的程序，您将有很多工作要考虑由于重音等引起的语音变化。

您可以启动looking for a sound analyzer here(音乐分析)。尝试识别一个简单单词(如"is")的波动，然后编写一个算法，将声音文件的变化百分比化。这样，您就可以保证自己免受假阳性的影响，反之亦然。

另外，您可能需要先从声音文件中删除背景噪音，因为它们可能会干扰您的识别模式。