Ho un file audio (conversazione telefonica registrata di 2 persone). Ho bisogno di separare automaticamente le voci di 2 altoparlanti. Sono nuovo nel riconoscimento vocale e ho visto il modulo wave di python ma non ho trovato alcuna informazione fruttuosa.Riconoscimento altoparlante Python
Si prega di aiutare come iniziare. Inoltre, per favore suggeriscimi librerie python gratuite che mi aiuteranno a risolvere il problema.
Inizia con numpy, e guarderei gli spettrografi (fondamentalmente un FFT a rotazione) come un buon metodo per distinguere diverse voci in una registrazione audio.
Ecco la funzione spettrogramma in Matplotlib:
http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.specgram
Suggerirei Python(x,y) se siete appena iniziato su una piattaforma Windows.
Dai un'occhiata alla libreria CMU Sphinx Python. È sviluppato in Java, quindi penso che le librerie Python siano solo wrapper per questo. Il progetto ha un sacco di ricerche in corso dietro di esso.
wiki ufficiale: http://cmusphinx.sourceforge.net/wiki/
tutorial di avvio rapido per Linux qui: http://probing.wikidot.com/speech-recognition-using-sphinx3-and-python
Partenza sciKits Talkbox: http://projects.scipy.org/scikits/wiki/Talkbox
tutorial Unfortunutly sono molto limitate: http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/talkbox/talkbox_doc/intro.html
Il compito della separazione degli altoparlanti non è un compito di riconoscimento vocale, è un compito di riconoscimento degli altoparlanti. Nella comunità del discorso questo compito è anche noto come diarizzazione dell'altoparlante. Ci sono diversi pacchetti per diarization altoparlante e il riconoscimento speaker disponibili per Python:
Nel caso in cui non si è limitato a Python, ci sono altri:
Speaker recognition setup in Kaldi. Include i-vettori basati su DNN all'avanguardia.