小词汇的语音识别（约20个单词）

Question

我目前正在为我的大学开展一个项目。任务是编写语音识别系统，该系统将在后台等待几个命令的手机上运行（如。调用0 123 ......）。

这是2个月的项目所以它不一定非常准确。可接受的噪音量可能很小，而且话语会被沉默的时刻分开。

我目前正在加载以RAW 16位PCM格式编码的样本字。将其拆分为块（每秒约50个）并在每个块上运行FFT以获得频谱。

要解决的问题是： 1）经历较长的录音并将其分成单词。 2）找到最匹配的单词

1）我正在考虑只是检查块后的块，如果我遇到几个具有更高人类语音频率的块，则假设该词已经开始。无论如何，我正在寻找可能有助于此的资源。

2）这个接缝更加坚硬。是否有必要将HMM用于这样的系统，或者假设词汇量很小（20个单词）可能有更简单的方法？

编辑： 项目的重点是我自己编写系统，所以我不能使用像Sphinx或HTK这样的现成库。

此致 卡罗尔

Answer 1

要识别手机上的命令，您可以使用Pocketsphinx。 Tutorial涵盖Android上的语音识别应用程序，可在CMUSphinx网站上找到。

Answer 2

如果将来有人会有同样的问题。寻找2个主要关键词：

MFCC - Mel-Frequency cepstrum coefficients计算每个单词模板的系数

DTW - 将捕获的单词与模板匹配 在维基百科上可以找到足够好的DTW描述

这种方法足以让20个字词的准确率达到80％左右，并在课堂上给出了很好的演示。