如何在 Javascript（或 Flask WebApp）中实现语音“识别”？

Question

我需要实现语音“识别”，即。 通过匹配他/她的声音来猜测尝试登录的人是否真的是他/她。 考虑这种情况，应用程序无法识别此人，但用户自己尝试登录，那么他可能会使用 pin 绕过它，在初始设置期间进行设置。

我正在使用 Python 和 Flask 来构建 webapp，并在问题中包含了 javascript，以便了解其中的可能方式。 到目前为止，我从一些来源了解到它，但我无法找到可能的解决方案，堆栈溢出以及“少数”博客文章。

我能找到的最好的“可能”解决方案是 Microsoft 的认知语音服务 - https://azure.microsoft.com/en-us/services/cognitive-services/speaker-recognition/

我也想过用Recorder.js录制语音，在服务器端解析，但没能实现。

所以，我想要一种在网络应用程序上实现它的方法，甚至是一个简单的要点，其中包含一些关于使用 ms 认知服务的代码（我确实阅读了文档的页面，但它没有多大帮助），或者这样做通过 python 会有所帮助。

Answer 1

https://docs.microsoft.com/en-us/azure/cognitive-services/speaker-recognition/home 的文档会很有帮助。请注意，有指向 API 参考的点击链接。它解释了高级流程（使用“注册”进行培训）。

我们有speaker identification，它可以将说话的人与您训练的一组已知声音区分开来。您需要提供标记数据（表示已知说话者说话的示例）：请参阅https://westus.dev.cognitive.microsoft.com/docs/services/563309b6778daf02acc0a508/operations/5645c3271984551c84ec6797。

或 请按照以下链接语音 SDK 示例。 https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/

您可以使用批量转录 api 并启用 diarization。 https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/batch-transcription

Answer 2

正如@Ram 指出我们可以使用 Microsoft 认知服务，我们使用它来实现它。

首先，我们需要一个来自 Microsoft 的用于认知语音服务的 API 密钥（他们提供了 2 个密钥和一个端点，可以免费试用 7 天，没有任何卡，另一个可能一年的免费版本，有卡细节） 在此处获取 API 密钥：https://azure.microsoft.com/en-in/try/cognitive-services/?unauthorized=1

然后，我浏览了 Microsoft 的文档，但它确实帮不上什么忙。 这有什么帮助：https://github.com/rposbo/speaker-recognition-api

我浏览了所有文件，“需要”的部分主要在 Speech-recognition-api-demo-core.js 和 demo.html 中 首先了解它真正在做什么，然后只有你可以在你的页面上实现它。 这实际上得出了答案，因为这就是它“可以”使用 Javascript 实现的方式。 额外 - https://github.com/AdityaGupta150/ProtoMain - 我们只使用了 Robin posbo 代码中需要的部分（你不能只是复制粘贴，先理解它），并实现它，你可以在 templates/verification.html 中看到它