问题标签 [mfcc]

我正在用客观的 C/C++ 为 iOS 构建一个语音识别应用程序，以纠正说话者的发音。我正在使用Mel-Frequency-Cepstrum Coefficients并匹配两个声波，DTW. 如果我错了，请纠正我。现在我想知道句子中的哪个单词（两个声音文件）不匹配。例如我的两个声音文件说话

我的算法应该通过某种指示指向第二个单词。

我使用了 Match-Box 开放库作为参考。这是它的链接。欢迎任何新算法或任何新库。

如果我在错误的地方发布了问题，请引导我找到正确的资源。

也欢迎任何小提示。

我目前正在尝试创建和训练神经网络以使用 MFCC 执行简单的语音分类。

目前，我为每个样本使用 26 个系数，总共有 5 个不同的类别——这些是五个不同的单词，音节数量不同。

虽然每个样本的长度为 2 秒，但我不确定如何处理用户可以非常缓慢或非常快速地发音的情况。例如，在 1 秒内说出的单词“电视”与在两秒内说出的单词产生不同的系数。

任何有关如何解决此问题的建议将不胜感激！

我已经对系统进行了培训，但在测试系统时出现以下错误：-

**错误 [+6310] OpenParmChannel：无法打开 Parm 文件路径/T_TUPT_M0002_PN_10012_1.mfc

错误 [+6313] OpenAsChannel：OpenParmChannel 失败

错误 [+6316] OpenBuffer：OpenAsChannel 失败

错误 [+3250] ProcessFile：配置参数无效

如何消除此错误？

我想使用此链接中的函数在 matlab 中使用 MFCC 功能获取音高值：

但所有数字都是正数（没有清音值）。

请帮我弄清楚如何正确地做到这一点。

谢谢

我目前正在使用隐马尔可夫模型进行说话人验证项目。我选择 MFCC 进行特征提取。我也打算对它应用VQ。我已经实现了 HMM 并在 Eisner 的数据电子表格上对其进行了测试：http ://www.cs.jhu.edu/~jason/papers/并得到了正确的结果。

使用语音信号，我似乎错过了一些东西，因为我没有得到正确的接受（我使用前向算法进行了概率估计 - 没有应用缩放）。我想知道我可能做错了什么。我使用 scikits talkbox 的 MFCC 函数进行特征提取，并使用 Scipy 的集群进行矢量量化。这是我写的：

我假设 scikits 的 mfcc 函数的默认参数已经适合说话者验证。音频文件的采样率是 8000 和 22050。这里有什么我缺少的吗？我为 VQ 选择了 64 个集群。每个样本都是一个孤立的词。持续时间至少 1 秒。我还没有找到一个 Python 函数来删除语音样本中的静音，所以我使用 Audacity 手动截断静音部分。任何帮助，将不胜感激。谢谢！

我目前正在研究 MATLAB 中用于语音识别的神经网络，并已提取 MFCC 用于分类目的。目前每个 1 秒语音片段有 500 个特征，并且有五个不同的类别（即五个不同的词）

我正在使用两批不同的语音剪辑：一个是我用来训练神经网络的 500 个文件（以及根据 nprtool 的通常计算进行验证/测试）。另一个由 250 个文件组成，纯粹用于测试目的。两个批次都是一次性生成的。

使用第一批，我能够获得近乎完美的训练/验证/测试准确度（95-100%）。但是，当我尝试使用第二批（即单独的 250 个文件）进行测试时，准确率下降到 20%。由于有五个类别，这最初让我认为神经网络只是随机选择类别。然而，查看混淆矩阵，似乎第一类被识别为 95-100% 的准确率 - 但是其他语音文件被完全错误分类。

我的第一个想法是过度拟合以某种方式发生了。我知道 nprtool 使用 MapMiniMax 函数进行标准化 - 这会破坏神经网络的泛化特性吗？还是在我缺少的培训和测试之间还有另一个步骤？

提前致谢。

我目前正在使用隐藏马尔可夫模型做一个说话人验证项目，还没有准确的语音信号结果，尽管我已经测试了系统的各种数据样本（不涉及语音）。

我使用 scikits talkbox 提取了语音信号的 MFCC。我假设不必更改任何参数，并且默认参数已经适合此类项目。我怀疑我的问题在于 mfcc 向量的向量量化。我使用 scipy 的 kmeans 聚类函数选择了 kmeans 作为我的算法。我想知道这种工作是否有规定数量的集群。我最初将我的设置为 32。我的语音文件的采样率为 8000 和 22050。哦，另外，我录制了它们并使用 Audacity 手动删除了静音。

有什么建议么？

我已经成功提取了 MFCC 系数，并且得到了以下值

现在如何从这些值中提取特征。谢谢

我正在使用 MFCC 来提取特征来实现语音识别器我坚持使用 HMM 实现。我正在为 HMM 使用 Kevin Murphy 工具箱。我的 MFCC 结果矩阵包含负值，这可能是我得到的情况，我的 MFCC 代码是否错误。以下是我得到的错误 -

此外，如果有人知道 HMM 的任何 Matlab 源代码的链接，请提供我的最终项目。我正在尝试实现语音识别器，但不知道提取特征向量后该怎么做。

这是整个 MatLab 代码（我正在使用 kevin murphy HMM Toolkit，错误在 dhmm_em 函数中）：

我打算为 Android 实现一个说话者验证应用程序，并且想知道是否有办法从 Android 的语音识别模块中获取语音功能（MEL 系数）？

请注意，说话人验证与语音识别略有不同，这就是我不直接使用语音识别的原因。