如何比较两个音频文件以检查它们是否具有相似的声音

Question

我这里有个情况。假设我有两个包含一些声音的短音频文件。假设，第一个文件有声音“你好”（音频 1），第二个文件有某人说的“再见”（音频 2）。另一个音频文件包含同一个人所说的“你好”（音频 3），但录音不同。

如何检测到音频 3 与音频 1 相似（与扬声器无关）？我在这里处理声音，而不仅仅是语音。所以也可以用口哨声代替单词。

Answer 1

您必须对每个文件进行统计分析，然后使用模式匹配来确定它们之间的相似程度。

最简单的文字解决方案是许可语音引擎（如 Dragon）的 api 版本，然后将音频文件转换为文本输出并进行比较。