我有很多音频文件，干净的音频，只有普通话的口语。我需要估计每个文件中有多少个音节。是否有可以估算这些的OS X，Windows或Linux工具？
sample01.wav 15
sample02.wav 8
sample03.wav 5
sample04.wav 1
sample05.wav 18
由于存在许多文件，因此首选命令行或批处理软件，例如：
$ application sample01.wav
15
答案 0 :(得分：11)
语音的自动分割是一个活跃的科学领域，这意味着没有一种方法可以完美运作。
2009年，de Jong和Wempe提出了一种使用Praat自动检测人类语音信号中音节的方法。这种方法与人工分割相比较，并且已经在许多第三方科学研究中使用。您可以在他们的科学文章（pdf）中找到该方法的详细描述，以及对先前提出的方法的历史观点。 Praat脚本本身和几个教程可以在专门的网站上找到（www - speechrate）。
您可能还对由Harma开发的另一种分段算法感兴趣，该算法已在Matlab中实现（Harma Syllable Segmentation）
答案 1 :(得分：2)
您可以使用共振峰来确定这一点。每个音节应对应一个共振峰。以下是关于共振峰的更多信息：
答案 2 :(得分：0)
这可能是你感兴趣的
答案 3 :(得分：0)
您的问题需要特别注意和解决语音到文本。 我真的怀疑任何免费的开源库，可以轻松获得并提供服务。
我使用了一个但是用于反向目的＆＃34;文本到语音＆＃34;。 虽然这不是一个免费的图书馆，但我很乐意帮助谷歌和＃34; annosoft lipsync＆＃34; ...
http://www.annosoft.com/lipsync-sdks
此库也可用于SDK评估....