如何检测音频流中特定单词的出现。

Question

起初我以为它会像图像识别一样简单。

创建FANN Hopfield网络，而不是使用二进制转换图像训练/馈送它，并使用二进制转换声音为其提供。

但：

1. 如何将wav转换为二进制字符串（我相信我需要二进制而不是字节 - 我是对的吗？）
2. 如何使其连续，我的意思是计算来自麦克风的单词/声音的出现次数。
3. 最好的java库是什么（不是SPHINX或其他语音识别库 - 我想让我的代码语言独立，甚至可以识别自定义声音 - 比如拍手）

之前我使用FANN进行图像识别，我知道Encog但是可能有更好的东西（或更简单，我实际上并不了解如何使用Encog）和更好的java原生，以便轻松移植到移动设备

Answer 1

如果您已经能够使用图像，也许这就是您所需要的： http://code.google.com/p/asperes/

它可以将WAV声音样本转换为BMP图像（频谱图）和任意BMP图像转换为声音（WAV）。

文档说明：

音频光谱仪和重新合成（ASPERES）是一个小型命令行实用程序，可以从声音样本和任意图像的声音生成图像（频谱图）。