我想录下某人的声音，然后根据我获得的关于他/她声音的信息，如果那个人再次说话，我就能认出来!问题是我没有关于哪些统计数据(如频率)导致人声差异的信息，如果有人可以帮助我如何识别某人的声音？
在研究过程中，我发现了各种关于语音识别的库，但它们无法帮助我，因为我的问题非常简单!我只想认出说话的人不是他在说什么。
最佳答案
你描述的问题并不简单，因为同一个人的声音听起来可能不同(例如，如果这个人感冒等)和/或如果这个人说话声音更大/更快/更慢等。
另一点是与其他声音(背景、其他声音等)的分离。
录制声音的设备的质量非常重要 - 有些系统使用多个麦克风来取得良好的效果......
总的来说，这不是一件容易的事 - 尤其是。如果您想获得良好的检测率。
基本上实现这个的方法是:
- 实现稳健的声音分离
- 实现强大的声音/语音模式提取
- 根据理想的声音设置创建一个数据库，其中包含您要识别的声音的指纹
- 定义一种算法，用于比较您存储的指纹和提取/归一化的声音/语音模式(有一些“可能相等”的阈值等可能是必要的...)
- 改进您的算法，直到达到可接受的检测率(还要考虑误报率!)
有关详细概述，请参阅 http://www.scholarpedia.org/article/Speaker_recognition
关于c# - 人声识别/识别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9565082/