我有一个音频文件，一个录制的两个人的电话交谈，我需要自动分离 2 个扬声器的声音。我是语音识别的新手，我查看了 python 的 wave 模块，但没有找到任何有用的信息。
请帮助如何开始。还请向我推荐免费的 python 库，这将帮助我解决问题。
问问题
24359 次
4 回答
16
说话人的分离任务不是语音识别任务，而是说话人识别任务。在语音社区中，此任务也称为说话者分类。有几个可用于 Python 的说话人分类和说话人识别包：
如果您不限于 Python，还有其他方法：
Kaldi 中的说话人识别设置。包括最先进的基于 DNN 的 i 向量，称为 x 向量。
于 2013-06-14T18:24:35.973 回答
4
Start with numpy, and I would look at spectrpgraphs (basically a rolling FFT) as a good method for distinguish different voices in an audio recording.
Here's the spectrogram function in Matplotlib:
http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.specgram
I would recommend Python(x,y) if you're just getting started on a Windows platform.
于 2011-09-05T14:15:17.700 回答
2
查看 sciKits Talkbox：http ://projects.scipy.org/scikits/wiki/Talkbox
不幸的是，教程非常有限：http ://www.ar.media.kyoto-u.ac.jp/members/david/softwares/talkbox/talkbox_doc/intro.html
于 2013-06-14T16:20:36.480 回答
0
看看 CMU Sphinx Python 库。它是用 Java 开发的，所以我认为 Python 库只是它的包装器。该项目背后有很多正在进行的研究。
官方维基：http ://cmusphinx.sourceforge.net/wiki/
Linux 快速入门教程：http: //probing.wikidot.com/speech-recognition-using-sphinx3-and-python
于 2011-09-05T16:08:58.543 回答