我有一个音频文件（录制的2人电话）。我需要自动分离2个扬声器的声音。我是语音识别的新手，我看了python的wave模块但是找不到任何有用的信息。
请帮助如何开始。另外请建议我免费的python库，它将帮助我解决问题。
答案 0 :(得分：14)
分离扬声器的任务不是语音识别任务，而是说话人识别任务。在语音通信中，这个任务也被称为说话人日记。 Python提供了几种用于扬声器分类和说话人识别的软件包：
如果您不限于Python，还有其他人：
Speaker recognition setup in Kaldi。包括最先进的基于DNN的i向量，称为x向量。
答案 1 :(得分：4)
从numpy开始，我会看一下谱图（基本上是一个滚动的FFT）作为区分录音中不同声音的好方法。
以下是Matplotlib中的频谱图功能：
http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.specgram
如果您刚开始使用Windows平台，我建议Python(x,y)。
答案 2 :(得分：2)
查看sciKits Talkbox：http://projects.scipy.org/scikits/wiki/Talkbox
不幸的教程非常有限：http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/talkbox/talkbox_doc/intro.html
答案 3 :(得分：0)
查看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。该项目背后有很多正在进行的研究。
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