个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
25
4
我正在做一个语音识别项目，我的程序可以识别音频文件中的单词。现在，我需要处理来自麦克风的音频流。我正在使用QAudio从麦克风获取声音数据，并且QAudio具有启动该过程的功能。此start(* QBuffer)函数将数据写入QBuffer(从QByteArray继承)对象。当我不处理连续流时，我可以随时停止从麦克风进行录制，并将整个数据从QBuffer复制到QByteArray中，并且我可以做我想对数据做的任何事情。但是在连续流中，QBuffer的大小会随时间增加，并在15分钟内变为100Mb。
因此，我需要使用某种循环缓冲区，但尤其是使用start(* QBuffer)函数时，我无法弄清楚该如何做。我还避免在语音继续播放的那一刻截断流声音。
处理用于语音识别的流音频数据的基本方法是什么？
是否可以将start(* QBuffer)函数更改为start(* QByteArray)并使该函数在该QByteArray上覆盖以构建和循环缓冲区？
提前致谢
最佳答案
boost.com提供了循环缓冲区
http://www.boost.org/doc/libs/1_37_0/libs/circular_buffer/doc/circular_buffer.html#briefexample
它应该满足您的需求
阿兰
关于qt - 如何在Qt中使用来自麦克风的流音频数据进行ASR，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18694407/
25
4
0
我尝试在“New-AzureRmRecoveryServicesAsrReplicationProtectedItem”上使用“-ReplicationGroupName”参数 cmdlet ，但是，
我正在研究创建可在 Hyper-V 中启动的 .VHD 文件的方法。 我可以使用 Windows 7 和 Win 2k8 中包含的 VSS ASR 编写器来执行此操作吗？ 最佳答案 经过进一步研究，似
以下错误是我尝试使用 CURL 将音频样本(从内存)上传到 Nuance 的 ASR 网络服务时遇到的错误。我不确定我的代码哪里出错了，所以我希望有人能帮我找出错误所在。根据响应，错误是无效的应用程序
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题，以便用事实和引用来回答。 关闭 6 年前。
我正在通过 torchaudio 将 8 kHz 的音频文件重新采样为 16 kHz。 原始文件的示例: Stream #0:0: Audio: pcm_s16le ([1][0][0][0] / 0
我使用 OpenAI 的 Whisper用于语音识别的 python 库。如何获取单词级时间戳？ 用 OpenAI 的 Whisper 转录(在带有 Nvidia GeForce RTX 3090 的
我使用 OpenAI 的 Whisper用于语音识别的 python 库。我有一些训练数据:要么是纯文本，要么是音频+相应的转录。如何根据我自己的训练数据微调来自 OpenAI 的 Whisper A
我使用 OpenAI 的 Whisper用于语音识别的 python 库。我怎样才能给出一些提示短语，因为它可以用其他一些 ASR 来完成，例如 Google ？ 用 OpenAI 的 Whisper
我使用 OpenAI 的 Whisper用于语音识别的 python 库。我有一些训练数据:要么是纯文本，要么是音频+相应的转录。如何根据我自己的训练数据微调来自 OpenAI 的 Whisper A
我使用 OpenAI 的 Whisper用于语音识别的 python 库。我怎样才能给出一些提示短语，因为它可以用其他一些 ASR 来完成，例如 Google ？ 用 OpenAI 的 Whisper
我使用 OpenAI 的 Whisper用于语音识别的 python 库。如何获取单词级时间戳？ 用 OpenAI 的 Whisper 转录(在带有 Nvidia GeForce RTX 3090 的
我最近正在使用神经网络和 CTC 损失来训练自动语音识别机。但我要做的第一件事是准备用于训练模型的数据。由于 Librispeech 包含大量数据，最初我将使用它的一个子集，称为“Mini Libri
我被要求在我们的产品中开发一个文本到语音模块，它应该支持各种文本到语音引擎。 是否有标准描述如何与第三方 TTS(文本到语音)服务或 ASR(自动语音识别)服务交互？ 最佳答案 大多数 ASR 的使用
如何评估 ASR(自动语音识别)中的 WER(单词错误率)？ 例如，如果我有 ASR 的句子和输出(人工引用翻译)。 我知道方程式，但不知道如何计算。计算WER时是否输入逗号、句号等标点符号？ 以及单
如何评估 ASR(自动语音识别)中的 WER(单词错误率)？ 例如，如果我有 ASR 的句子和输出(人工引用翻译)。 我知道方程式，但不知道如何计算。计算WER时是否输入逗号、句号等标点符号？ 以及单
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题吗？ Update the question所以它是on-topic用于堆栈溢出。 关闭 12 年前。 Improve thi
我有一台 VM Redhat Centos 5.6。出于时间和成本原因，我想以 ASR 模式将它迁移到 Azure:我部署的 Web 应用程序公开了一个 Web 服务(服务器 Apache Tomca
我正在尝试通过 Azure Powershell(Az 模块)从 Azure VM 禁用 Azure 站点恢复保护。这个想法是使用名称和资源组获取虚拟机: Get-AzVM -Name $name -
我正在尝试通过 Azure Powershell(Az 模块)从 Azure VM 禁用 Azure 站点恢复保护。这个想法是使用名称和资源组获取虚拟机: Get-AzVM -Name $name -
我有一个带有大量 JS 脚本的 Web 应用程序(“大量”是指无法在服务器端完成的大量客户端处理)。经过 1 小时左右(不固定)的处理后，我得到了 Chrome 的 “Aw, Snap!” 错误，我已
我是一名优秀的程序员,十分优秀！