我有两个语音音频文件。每个都是通过电话通话记录的，它们的长度不同（第一个文件长3秒，第二个文件长5秒）。我想测量两个文件的相似性。请注意，我对语音信号中的文本内容不感兴趣（即NO Speech to Text）。我需要测量相似度并获得分数或百分比。
我发现很少有工具可以进行音频指纹分析，但我发现几乎所有这些工具都是针对音乐音频文件的，并且在演讲时表现不佳。
答案 0 :(得分：0)
音频指纹不应该用于查找相似性，当您的音频或音频片段完全相同时，应使用音频指纹。
您可能需要收集一组功能，如梅尔频率倒谱系数（MFFCs），并使用一种分类方法，如HNN告诉您相似性（努力工作）lol