识别 iOS 上的特定声音

Question

我希望能够识别 iOS 应用程序中的特定声音。我想它基本上会像语音识别一样工作，因为它相当模糊，但它只需要针对 1 个特定的声音。

我已经完成了一些快速 FFT 的工作来识别超过特定阈值的特定频率，并且仅当它们是独奏时（即，它们没有被其他频率包围），所以我可以很容易地识别单个音调。我认为这只是对此的扩展，但与声音记录的 FFT 数据集进行比较，并比较音频长度上的 0.1 秒块。而且我还必须考虑幅度变化、音高变化和时间变化。

谁能指出我可以用来加速这个过程的任何预先存在的来源？我似乎找不到任何可用的东西。或者失败了，关于如何开始这样的事情的任何想法？

非常感谢

Answer 1

根据您的描述，您想要做什么并不完全清楚。 “特定”的声音是什么样的？它有高背景噪音吗？ 具体的可识别特征是什么（例如音高、不和谐、音色……）？ 您想将它与哪些其他“声音”进行比较？ 您是否只想将任意声谱与“模板声音”进行匹配？ 你的声音是打击乐、旋律、演讲……吗？是长还是短……？ 您期望最佳辨别力的频率范围是多少？特征是否随时间不变？

没有适用于所有事情的“通用”解决方案。语音识别本身是相当复杂的，不能很好地处理可辨别频率不在的抽象声音。 MEL 波段。

因此，总而言之，您留下了太多悬而未决的问题，无法获得有用的答案。 我只能根据少量信息提出以下建议：

对于模板声音： 1) 从功率谱中提取谱峰位置 2）测量峰值周围的标准偏差并从中构造高斯 3）保存高斯以供以后分类 对于未知的声音： 1) 提取光谱峰值位置 2）将这些点投影到保存的高斯上，这会给你留下峰值位置的 z 分数 3) 使用计算的 z 分数，您应该能够对模板声音进行分类

注意：这是一种非常粗略的方法，它根据声音最强大的频率来区分声音。使用高斯，它为最强大的频率的微小变化留下了空间。