问题标签 [voice]

例如，应用程序可能会说“请稍候”。或“我马上回来”。一位朋友问我是否有可能，由于我没有 iPhone，我无法回答这个问题。

谢谢。

在计算 FFT 和频率之后，我们需要做这样的事情：http: //instruct1.cit.cornell.edu/courses/ece576/FinalProjects/f2008/pae26_jsc59/pae26_jsc59/images/melfilt.png

我们用这些三角形过滤频谱。我看到我们可以使用不同的方法来计算三角形。我将使三角形的大小等于 1kz，然后用 log 函数获得。

我们现在应该做什么？随着频谱和三角形的定义.. - 我们应该过滤频率（频率限制在三角形，如果更高只计数直到三角形限制）并计算每个三角形的值（然后继续算法）。

但是梅尔对话什么时候发生呢？m = 2595 log (f/700 + 1) 我们什么时候从频率传递到 mel..

有人可以指导我正确的方向吗plz：d

我想做梅尔频率倒谱算法，但有些事情我不明白。

完成 FTT 后，我们需要“使用三角形重叠窗口将上面获得的频谱的功率映射到 mel 标度上”。

我知道如何计算三角形，我也知道如何传递给 mel scale。我只是不知道该怎么处理他们。

如果定义了三角形，我如何将上面获得的光谱功率映射到梅尔尺度上？

是这样的：将三角形内的频率相加，然后将其传递给mel scale？或根据权重值（由该点的三角形高度定义）对三角形内的频率求和，然后将其传递给 mel scale？还是根据权重值将三角形内的所有频率传递给mel scale？另一件事？

任何人都可以向我澄清这一点

如果我们从具有两个通道的麦克风中获取声音，为了计算频谱，我们：

• 计算所有数据输入的快速傅立叶变换？
• 计算每个左右通道的快速傅立叶变换，然后对两者取平均值？
• 计算每个左右通道的快速傅立叶变换并获得两者的最大值？
• 以不同的方式计算？

假设您有一间会议室，会议在任意临时时间举行。您想保留所有会议的录音。为了使其尽可能易于使用，会议参加者不需要采取任何行动，他们只知道当他们在特定房间开会时，他们会有记录。

显然，仅仅不间断地记录是低效的，因为它会浪费数据存储并且很难筛选。

我认为有两种基本方法可以解决这个问题。

1. 录音只是根据声级阈值开始和停止。
2. 记录是连续的，但分成 X 分钟的块。发现不包含内容的块将被丢弃。

我更喜欢第二种方式，因为我觉得由于启动晚或触发器失败而丢失数据的风险较小。

我想在 Python 中实现，如果可能的话在 Windows 上实现。

实施建议？

可能值得他们自己提问的额外注意事项：

• 为此目的的最佳音频格式和压缩
• 任何确定有多少发言者在场的方法，假设识别是不切实际的

对于基于 PHP 的网站的简单语音聊天解决方案的任何建议。我们已经有了文字聊天，客户现在也想要语音聊天。

我需要构建一个 IVR 应用程序（可能有 10 条电话线）。我对这个领域完全陌生并且熟悉一些概念，有人可以为我提供一些关于如何构建 IVR 系统的链接/建议吗？

另外，如果我需要租电话线，我需要知道确切的过程，涉及什么？等等，如果我想为我的客户提供托管 IVR 服务，我需要什么。

非常感谢任何建议。

非常感谢

我的目标是一个跨平台的语音聊天应用程序。我有点困惑的部分是语音传输：）

你有什么建议？也许绑定到一些低级库甚至框架？

顺便说一句，我不必使用 Python，所以如果您认为 Python 不是一个好主意，请告诉我真正的方法:)

我想查看 android 的语音启用键盘功能的源代码。
谁能告诉我在哪里可以找到代码？

我正在编写一个小型 python 程序来将语音文件发送到其他电话。手机通过usb连接到电脑。如何使用 Python 拨打电话？