Question

我做了很多R＆amp; D并经历了很多资源来解决我的问题，但我没有找到任何合适的解决方案。

我开发了一款应用，现在我想添加基于语音的功能。

所需的功能

1）当 USER开始说话时，它应该录制音频/视频和

2）当用户停止发言时，应播放录制的音频/视频。

注意：此处视频表示用户在该段时间内执行的任何操作。例如，点击按钮或某种动画等。

我不想在Android中默认使用 Google的语音识别器，因为它需要互联网，但我的应用程序脱机运行。此外，我开始了解CMU-Sphinx。但根据我的要求，它没有帮助。

已编辑： - 此外，我想补充一点，我已经使用Start＆amp; amp;停止按钮，但我不想使用这些按钮。

如果有任何想法或任何建议，请告诉我。

Answer 1

最简单也是最常见的方法是音频中的count the number of zero crossings（即当符号从正变为负时）。

如果该值太高，则声音不太可能是语音。如果它太低，那么再次，它不太可能是演讲。

将它与简单的能量水平（音频有多大）相结合，你就拥有了一个相当强大的解决方案。

如果您需要更准确的系统，那么它会变得复杂得多。一种方法是从“训练数据”中提取音频特征（例如MFCC），使用类似GMM的内容对其进行建模，然后针对GMM测试从实时音频中提取的特征。通过这种方式，您可以模拟给定音频帧是非语音语音的可能性。然而，这不是一个简单的过程。

我强烈建议你去零交叉，因为它很容易实现并且在99％的时间内都能正常工作：）

Answer 2

您可以尝试将监听器添加到导航，点击动画等应用程序事件中...... 在侦听器实现中，您可以触发启动/停止功能......

http://tseng-blog.nge-web.net/blog/2009/02/14/implementing-listeners-in-your-android-java-application/

看看这些例子......这可能对你有所帮助....

但是我想知道你所描述的关于你的应用程序行为的内容看起来像你会像说汤姆一样重新发明？ :-P

Answer 3

下面是我用于iPhone应用程序的代码，它完全完全。代码是Objective-C ++，但我有很多评论。此代码在记录队列的回调函数内执行。我确信Android平台也存在类似的方法。

这种方法在我使用它的几乎所有声学环境中都非常好用，它在我们的应用程序中使用。如果需要，您可以download it进行测试。

尝试在Android平台上实现它，你就完成了！

// If there are some audio samples in the audio buffer of the recording queue
if (inNumPackets > 0) {
        // The following 4 lines of code are vector functions that compute 
        // the average power of the current audio samples. 
        // Go [here][2] to view documentation about them. 
        vDSP_vflt16((SInt16*)inBuffer->mAudioData, 1, aqr->currentFrameSamplesArray, 1, inNumPackets);
        vDSP_vabs(aqr->currentFrameSamplesArray, 1, aqr->currentFrameSamplesArray, 1, inNumPackets);
        vDSP_vsmul(aqr->currentFrameSamplesArray, 1, &aqr->divider, aqr->currentFrameSamplesArray, 1, inNumPackets);
        vDSP_sve(aqr->currentFrameSamplesArray, 1, &aqr->instantPower, inNumPackets);
        // InstantPower holds the energy for the current audio samples
        aqr->instantPower /= (CGFloat)inNumPackets;
        // S.O.S. Avoid +-infs, NaNs add a small number to InstantPower
        aqr->instantPower = log10f(aqr->instantPower + 0.001f);
        // InstantAvgPower holds the energy for a bigger window 
        // of time than InstantPower
        aqr->instantAvgPower = aqr->instantAvgPower * 0.95f + 0.05f * aqr->instantPower;
        // AvgPower holds the energy for an even bigger window 
        // of time than InstantAvgPower
        aqr->avgPower = aqr->avgPower * 0.97f + 0.03f * aqr->instantAvgPower;
        // This is the ratio that tells us when to record
        CGFloat ratio = aqr->avgPower / aqr->instantPower;
        // If we are not already writing to an audio file and 
        // the ratio is bigger than a specific hardcoded value 
        // (this value has to do with the quality of the microphone 
        // of the device. I have set it to 1.5 for an iPhone) then start writing!
        if (!aqr->writeToFile && ratio > aqr->recordingThreshold) {
            aqr->writeToFile = YES;
        } 
        if (aqr->writeToFile) {
            // write packets to file
            XThrowIfError(AudioFileWritePackets(aqr->mRecordFile, FALSE, inBuffer->mAudioDataByteSize,
                                                inPacketDesc, aqr->mRecordPacket, &inNumPackets, inBuffer->mAudioData),
                          "AudioFileWritePackets failed");
            aqr->mRecordPacket += inNumPackets;
            // Now if we are recording but the instantAvgPower is lower 
            // than avgPower then we increase the countToStopRecording counter
            if (aqr->instantAvgPower < aqr->avgPower) {
                aqr->countToStopRecording++;
            } 
            // or else set him to 0.
            else {
                aqr->countToStopRecording = 0;
            }
            // If we have detected that there is not enough power in 30 consecutive
            // audio sample buffers OR we have recorded TOO much audio 
            // (the user speaks for more than a threshold of time) stop recording 
            if (aqr->countToStopRecording > 30 || aqr->mRecordPacket > kMaxAudioPacketsDuration) {
                aqr->countToStopRecording = 0;
                aqr->writeToFile = NO;
                // Notify the audio player that we finished recording 
                // and start playing the audio!!!
                dispatch_async(dispatch_get_main_queue(), ^{[[NSNotificationCenter defaultCenter] postNotificationName:@"RecordingEndedPlayNow" object:nil];});
            }
        }
    }

最佳！

Answer 4

这是检测用户停止讲话的简单代码。我正在检查以下值

recorder.getMaxAmplitude（）;

示例代码：

public void startRecording() throws IOException {

    Thread thread = new Thread() {
        @Override
        public void run() {
            int i = 0;
            while (i == 0) {

                try {
                    sleep(100);

                    if (recorder != null) {

                        checkValue(recorder.getMaxAmplitude());

                    }
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }
    };
    thread.start();


}

checkValue函数：

public void checkValue(int amplitude) {


    try{

        if (amplitude > 1000) {
            Log.d("I", "Amplitude : " + amplitude);
            amplitude = recorder.getMaxAmplitude();
            Thread.sleep(2000);
            isListened=true;
        }else if(isListened) {
            Log.d("I","Stop me");
            recordingDialog.dismiss();
        }

    }catch (Exception e){
        e.printStackTrace();
    }


}

我知道这个问题很老，以前已经回答过，但是这个小代码段可能会对其他人有所帮助。

如何识别用户START＆amp;停止在android中说话？（Android中的语音识别）

4 个答案:

如何识别用户START＆amp;停止在android中说话？ （Android中的语音识别）

4 个答案:

如何识别用户START＆amp;停止在android中说话？（Android中的语音识别）