2回答
在web应用程序中将有2个页面，其中一个页面将记录语音并存储在数据库中，在第二个页面中，任何用户都可以在该web应用程序与该语音和数据库匹配后说任何话，它将返回用户名。
浏览 1提问于2017-04-26得票数 2
3回答
使用MFCC进行语音识别
、、、、
我目前正在使用傅里叶变换结合Keras进行语音识别(说话人识别)。我听说MFCC是语音识别的更好的选择，但我不确定如何使用它。
我在python (3)中使用librosa来提取20个MFCC特征。我要做的是获得必要的特征，并为神经网络做一个长向量输入。然而，也可以显示颜色，所以图像识别也是可能的，还是更多地针对语音，而不是说话人识别？
浏览 4提问于2018-12-04得票数 0
1回答
我刚接触语音和说话人识别问题，我理解了mfcc的工作方式，但就我所理解的(并发现)不同的单词之间的系数不同。我的问题是:有没有其他与文本无关的特征提取方法？如果是这样的话，请再向他们说明。
浏览 3提问于2015-12-17得票数 0
1回答
这是通过将他的语音波形作为一个字节序列(每个字节为0到255)输入网络来实现的。增加音量的变化颠倒序列似乎不适用，毕竟，我的网络将预测非反向的语音，当它经过充分的训练。
浏览 0提问于2018-05-24得票数 1
回答已采纳
2回答
我想在我正在开发的新闻视频翻译应用程序中添加性别检测功能，以便该应用程序可以根据屏幕上的语音在男性和女性语音之间切换。我不期望100%的准确率。谁能建议我如何提取MFCC特征，并使用Open Ears (用于iOS平台的CMU Sphinx )输入到通用模型/支持向量机分类器中？
浏览 0提问于2015-05-22得票数 4
我目前在语音识别的讨论阶段项目中，我使用MFCC特征提取，但从函数返回的MFCC特征是一个矩阵，例如，每个语音文件(Wav)的(20,38)特征矩阵。但是我如何将这个特征传递给SVM分类器呢？但每个样本的MFCC特征是一个矩阵。假设Xi是样本i的MFCC特征，那么传递给SVM的样本i的特征是: 1) 20*38个向量，例如matlab形式的Xi(:)。2)均值(Xi)。
浏览 1提问于2013-03-01得票数 4
回答已采纳
我正在用C#开发一个文本到语音转换的应用程序。如何通过C#接口配置其音色？或者，我需要为该功能下载一个库吗？例如：Microsoft Sam的声音，现在我也想配置一个自定义的声音。
这是可能的吗？
浏览 1提问于2012-07-03得票数 0
我打算为Android实现一个说话人验证应用程序，我想知道是否有办法从Android的语音识别模块中获取语音特征(MEL系数)？请注意，说话人验证与语音识别略有不同，这就是我不直接使用语音识别的原因。
浏览 0提问于2014-04-10得票数 0
嗨，有没有办法使用PromptBuilder来开发Windows Phone语音识别应用程序？我想做一个应用程序，可以识别我的声音，并用代码做一些事情，但我必须在Windows Phone上做这件事。
浏览 0提问于2014-05-17得票数 2
我们有大约8000段视频的记录。然而，这些转录本没有任何计时文本(即:它们不是时间编码到视频中)。是否存在软件来做到这一点？
如果没有，您会使用什么软件方法来完成这一壮举？
浏览 0提问于2013-02-03得票数 2
我知道google和amazon在他们的语音助手中都有语音/说话人识别的功能，但是如果傅里叶变换不能成功的话，还有什么好的方法来做到这一点呢？我的问题是：
如何在python中用音频输入来绘制傅里叶变换？如果这是可行的，我如何在神经网络中输入傅里叶变换(我想也许给每个神经元一个y值，神经元作为对应的x值)。
浏览 0提问于2018-09-19得票数 1
回答已采纳
1回答
我是机器学习的新手，我正在构建一个简单的应用程序来识别语音数字。我的问题是，有哪些方法可以处理不同数量的特性。例如，我可以使用PCA始终提取一些固定数量的特征，然后在特定的学习算法中使用它们吗？这是我在分析其中一个语音数字时得到的。
浏览 0提问于2016-11-03得票数 0
1回答
我有英文单词的音频和声谱图。(谱图是一个信号的频域表示)考虑词:链，变化，椅子，章。正如你所注意到的，“ch”音在考虑过的单词中很常见。
是否有一种算法可以让我识别光谱图(数据)的哪一部分在单词的谱图之间是共同的？换句话说，是否有一种算法可以识别每个单词中表示“ch”声音的声谱部分？
浏览 0提问于2019-09-03得票数 3
1回答
我正在尝试同时分析音频和视觉特征。我的音频语音特征是使用隐马尔可夫模型工具包以100fps采样的mel频率倒谱系数。我的视觉特征来自我构建的嘴唇跟踪程序，采样速度为29.97fps。我知道我需要插入我的视觉特征，以便采样率也是100fps，但我找不到一个很好的解释或在线教程如何做到这一点。我发现的大多数帮助来自语音识别社区，他们代表读者假设有插值知识，即大多数人用一个简单的“插值视觉特征，以便采样率等于100fps”来覆盖这一步骤。万分感
浏览 0提问于2011-09-22得票数 0
1回答
对于其中一个项目，为了保护用户的PHI信息，我们希望在Google辅助应用程序中实现语音生物识别解决方案。需要您在以下方面提供指导：
如果有任何细节，请告诉我。谢谢。注:以上信息为谷歌主页或谷歌
浏览 0提问于2018-07-27得票数 1
你好，我是PyTorch的新手，我想做一个简单的语音识别，但我不想使用pytorch.datasets，我有一些声音数据集，但我找不到任何地方可以帮助我。
我想使用.wav文件。
浏览 14提问于2021-04-09得票数 2
回答已采纳
2回答
我有一个电信数据集，它有很多属性，在这些属性中，有一个“语音邮件计划”属性接受“是”或“否”，另一个属性是“语音邮件呼叫”，它有许多值，但是当“语音邮件计划”为“no”时，总是为零。当从数据集中删除“语音邮件计划”时，分类器的准确性会降低，因此我们如何通知分类器，在零语音呼叫中，No受到阻碍
浏览 0提问于2019-04-08得票数 0
我有一个android应用程序，我想在其中动画/可视化文本到语音。就像应用程序说出文本一样，该应用程序也会根据语音数据闪烁灯光。有人能指导我如何提取语音数据(提取哪些特征)，然后如何将其映射到一些可视动画吗？
谢谢，艾哈迈德
浏览 1提问于2012-09-07得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
