【发布时间】：2025-02-10 04:40:02
【问题描述】：
我有一个音频文件，一个 2 人的电话录音，我需要自动分离 2 个扬声器的声音。我是语音识别的新手，我查看了 python 的 wave 模块，但没有找到任何有用的信息。
请帮助如何开始。另外请建议我免费的python库，这将帮助我解决问题。
【问题讨论】：
标签： python voice-recognition speech
【发布时间】：2025-02-10 04:40:02
【问题描述】：
分离说话人的任务不是语音识别任务，而是说话人识别任务。在语音社区中，此任务也称为说话者分类。有几个可用于 Python 的说话人分类和说话人识别包：
如果您不限于 Python，还有其他：
Speaker recognition setup in Kaldi。包括最先进的基于 DNN 的 i 向量，称为 x 向量。
【讨论】：
-
Bob 工具包的链接实际上已经死了，请关注这个：idiap.ch/software/bob/docs/bob/bob.bio.spear/stable/…
-
已更新，谢谢！
从 numpy 开始，我会将频谱图（基本上是滚动 FFT）视为区分录音中不同声音的好方法。
这是Matplotlib中的频谱图函数：
http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.specgram
如果您刚开始使用 Windows 平台，我会推荐 Python(x,y)。
【讨论】：
【讨论】：
看看 CMU Sphinx Python 库。它是用 Java 开发的，所以我认为 Python 库只是它的包装器。该项目背后有大量正在进行的研究。
官方维基：http://cmusphinx.sourceforge.net/wiki/
Linux 快速入门教程：http://probing.wikidot.com/speech-recognition-using-sphinx3-and-python
【讨论】：