如何使用Microsoft Speech从语音模式识别扬声器？

Question

我正在使用Microsoft Speech C＃API进行家庭自动化命令

我想知道是否有一种方法或内置的C＃方法来散列语音输入并识别谁在说话。如果是Alice或Bob说“Hello Alice”或“Hello Bob”。

编辑：

Microsoft Speech API可以提供录制的.wav。它可能能够哈希，处理，......以了解谁在说话：

• 响亮的声音，缓慢的调制，...... =＆gt;鲍勃
• 高语音，快速调制，... =＆gt;爱丽丝

Answer 1

说话人识别是一个难题，仍然是一个活跃的研究领域。我不认为微软语音api有任何说话人识别支持，但不是100％肯定。

我在研究该主题时发现以下文章非常有用。它介绍了该主题，并提供了非常粗略的实现。可能是一个好的开始。

http://www.ibm.com/developerworks/opensource/library/os-sndpeek/index.html

Answer 2

您可以使用Microsoft Speaker Recognition API执行此任务：https://www.microsoft.com/cognitive-services/en-us/speaker-recognition-api

Microsoft正在为此目的提供两个API：Speaker Verification＆amp;演讲者识别。

你可以找到他们的C＃＆amp;这里的Python SDK：https://github.com/Microsoft/ProjectOxford-ClientSDK/tree/master/SpeakerRecognition

Answer 3

看起来你正在试图解决扬声器二分化问题（找谁说话的时候）;互联网上有很多可用的工具包。我可以推荐一个名为LIUM的（在Java上运行）：http://www-lium.univ-lemans.fr/diarization/doku.php。

如果您只是想区分Alice和Bob，可以查看上面网站的Scripting页面中的性别检测部分（或直接转到此处http://www-lium.univ-lemans.fr/diarization/doku.php/gender_detection）。

Answer 4

Microsoft Speech也具有用于演讲者差异化的SDK。 https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/how-to-use-conversation-transcription

它在C ++ / C＃/ Java中可用，并且具有准备购买的专用硬件。