我想从事一个项目，我必须根据其音频内容对在线视听数据进行分割和分类，即视听数据的不同部分将被分割并分类为静音、音乐、语音、语音+背景音乐等关于他们的音频内容。
我知道我必须从视听数据中获取音频部分，并提取过零、频谱峰值等特征，并找出段边界以分割音频数据。
但我迷失在开始本身。
我不知道如何开始这个项目。该软件的输出是不同类别的视听数据片段，如静音、语音、音乐等。
如果有人让我知道这将非常有帮助
我没有数字信号处理方面的背景。如果我得到一些指导，这将非常有帮助
最佳答案
我建议研究一个多媒体框架，例如 GStreamer .它是跨平台的，但在它起源的 Linux 上最容易上手。它已经带有各种插件来接收、解复用和解码音频和视频。它还有几个分析器(例如用于音频和语音事件检测的电平和频谱分析器)。这些可能是您实验的一个很好的起点。 Gstreamer 本身是用 C 语言编写的，但应用程序可以使用语言绑定(bind)到 python、perl、c#、c++、java ......
关于在线视听数据的音频内容分析，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9138997/