c# - c#中的基频+语音检测

Question

我正在尝试通过麦克风的输入实时检测语音。

我已经接收到输入，执行 FFT 算法并得到以 dB 为单位的结果。我有一个频域、一个时域和一个频谱图。

我怎样才能得到基频？如果我得到基频，我可以指定如果频率在某些值之间，那么我们正在说话的是语音吗？有没有其他方法可以用我已经拥有的东西来做到这一点？

提前谢谢

Answer 1

频率估计有许多不同的算法，使用正确的算法取决于您在做什么。你期望什么样的输入？你想用那个输入做什么？你有什么样的处理能力？

检测基频并不能帮助您确定某个特定的人是否在说话，如果那是您正在尝试做的事情。你声音的频率不断变化。您必须制作此人的共振峰等的“指纹”。

简单地找到 FFT 的峰值不会给你带来好的语音结果。查看倒谱分析。

Answer 2

取频谱图上语音范围内的最高峰（​​例如，400 到 10K hz）。那应该给你基本频率。

或者，您可能需要整合频率直方图。这是因为有时您的单词开头或包含嘶嘶声（“s”音）和摩擦音（“f”和“th”音），它们具有相当高的频率和广谱。你不想错过演讲的开头，因为它不是以元音开头的。

另一个因素是除了语音之外，你还能听到什么。有很多背景噪音吗？哪一种？如果没有，那么只有声音的存在就足够了。例如，如果有音乐，那么您将面临完全不同的挑战。如果你想区分语音和其他声音，那么我很想尝试神经网络方法——它可能需要那种复杂程度。