如何通过MATLAB提取mp3（音频）文件中单词之间的间隔时间？

Question

我试图在几个mp3（音频文件）中找到单词之间的间隔时间 在进一步讨论之前，让我解释一下我的音频文件如下：

我让我的受试者在60秒内产生尽可能多的动物名字。我录了他们的演讲。 因此，所有mp3文件都是动物名称的序列。 （单词，不是连续判刑）

首先，我只需输入以下内容即可阅读其中一个文件并制作图表：

plot(data);

图表如下：

我认为一些当地的最大值是动物命名的候选者。但是，我无法弄清楚并获得动物名称之间的（可能确切的）间隔时间。 只是峰值到峰值还可以吗？或计算单词间隔的任何其他选择？ 谢谢:)

Answer 1

峰值到峰值是对人声段之间的静音段的非常粗略的估计。 @vsoch建议的阈值方法也不总是合适的，因为声音片段也包含低值和零值。

提取静音段的传统方法是比较不同段上的能量。您需要将信号分成大约30 ms的段（确切的样本数取决于采样率）。您最好在段之间重叠大约10 ms。

对于每个细分，评估能量。这可以通过sum(segment.^2)（psaudocode ...）来完成。然后绘制你已经获得的能量，看看并选择将声音和静音片段分开的阈值。

Answer 2

您想使用findpeaks

[pks,locs] = findpeaks(data)

你可以找到那个方向的局部最大值，左右移动直到它下降到某个阈值或某个百分比（因为峰有一些周长），然后对它们进行排序，然后计算它们之间的距离作为减法值之间。