我们一直在尝试从嘈杂的音频文件中识别单词，我用谷歌搜索了很多，使用了一堆API来从嘈杂的单词中分割单词，并且还尝试了SOX，这有点准确(80％的单词被正确分割) )，现在我需要识别这些单词，我已经尝试过从Java调用它的google语音api，但是由于一些剩余的噪音，它没有我希望的那么准确。
我们一直在尝试音频比较，因为我们有一个包含字典中单词的波形文件列表，比较是通过 MusicG 库完成的，但它没有按预期工作。
最近我一直在考虑一些机器学习算法，我可以在其中教授程序，例如音频“Dog”是字符串“dog”，然后重复它直到程序自动识别它。
是否有任何好的/已知的库可以处理音频文件？ 如果是这样，最好的教学方法是什么？音频文件的字节数？波长？
此外，如果您知道其他方法可以实现我的期望，请告诉我。
最佳答案
您可能会考虑结合一组音频文件的训练来研究隐马尔可夫模型。 HMM 方法对符号之间的转换概率进行建模。您可以调整决策过程中“记住”的状态数量。
作为分析的一部分，您需要考虑时间扭曲方面 - 即训练音频和匹配音频之间的符号内暂停会有所不同。
@Evan Knowles 补充说，MFCC 是从语音创建 HMM 就绪符号的标准方法。
关于java - 用于从嘈杂的音频文件中识别单词的机器学习库，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/32212411/