是否可以在 R 中的“自动检测”功能后识别每个对话的说话者答案

【问题标题】：Is it possible to identify speakers for each conversation after "autodetec" function in R是否可以在 R 中的“自动检测”功能后识别每个对话的说话者
【发布时间】：2017-01-27 13:22:53
【问题描述】：

我为 wav 文件运行下面的代码，我得到了 4 个变量：sound.files、selec、start 和 end 在 output.output。有谁知道是否可以为每个对话指定发言人，以便我们可以知道每个星号和结束持续时间是扬声器 A 说话或扬声器 B 说话。

 autodetec(flist = sub, threshold = 0.5, env = "abs", ssmooth = 500, power = 1, redo = TRUE,
            bp=c(0,9), xl = 2, picsize = 2, res = 200, flim= c(0,10), osci = TRUE,
            wl = 300, ls = FALSE, sxrow = 2, rows = 4, mindur=0.5, maxdur=8, set = TRUE)

【问题讨论】：

这个自动检测功能从何而来？
来自 warbleR 包

标签： python r audio split speaker

【解决方案1】：

问题建立在speaker diarisation 的主题之上。如果您已经拥有每个扬声器的同质段（自动检测功能的输出），您可以计算音频描述符，例如常用的 MFCC，以对每个段进行分类。像Kmeans 这样的简单分类器就可以完成这项工作。

【讨论】：