我正在尝试构建一个应用程序，允许用户记录个人讲话，然后将录音保存在设备上，并用讲话人的姓名标记每条记录。然后是检测模式，我记录某人，如果他在本地数据库中，我可以知道他的名字。
首先 - 这可能吗？我对 iOS 开发非常陌生，对可用的 API 不太熟悉。
更重要的是，我应该使用哪个 API（最好是免费的）来关联传入的语音和我在本地数据库中的记录？这应该表现得像 Shazam，但更简单，因为我正在寻找匹配的数据库要小得多。
问问题
1140 次
1 回答
4
如果您是 iOS 开发新手，我会从核心应用程序开始录制音频，然后让人们手动选择配置文件/名称以将其附加到，然后再担心说话人识别部分。
对于事物的识别方面，您显然有两种选择：您可以绑定其他人的语音认证/说话者识别库（可能是 C 或 C++），或者您可以尝试编写自己的。
有多少人会使用你的应用程序？您也许可以自己创建一些基本的东西：如果这是男人和女人之间的区别，您可以通过对音频进行 FFT 频谱分析并找出频率峰值在哪里来弄清楚这一点。显然，用于发音不同音素的频率会有所不同，因此解决两个听起来非常相似的一般情况可能很困难。您需要用一堆文本训练系统并建立某种频率分布模型。您可以尝试进行聚类或其他操作，但您很快就会遇到一些数学问题（高斯混合模型等）。有图书馆/项目可以做到这一点。您也许可以从 matlab 移植它，例如：https://github.com/codyaray/speaker-recognition
如果您想使用现成的东西，我会选择像 misral 这样的直接 C 库，因为从 Objective-C 调用它应该相对容易。
SpeakHere示例代码应该让您开始录制和播放音频。
此外，用户训练您的应用程序以识别他们可能需要更长的时间，而不是从列表中选择他们的名字所节省的时间。除非您打算让他们的声音成为某种安全护照类型的东西，否则可能不值得打扰。
于 2012-08-19T17:39:46.060 回答