如何识别包含相同单词集的音频文件？

Question

我想实现一个应用程序，其中给定包含语音作为查询的音频，它返回已由其他用户提交的最相似的音频。

如果两个音频包含大致相同的单词集，则这两个音频类似。

例如，如果查询语音是“Hello World！”：

• 它返回“Hello my World！”，“Hello Worlds！”
• 没有必要返回“Hello Earth”或“Bye world！”
• 它没有返回“特朗普是一个笨蛋”（即使它是真的，但这是另一个故事:)）

请注意，这个“音频检测器”必须能够抵抗不同的木材（不同的用户声音）。如果它能够抵抗噪音（如合理的室外噪音）和旋律失真（比如匹配“Hello World！”和“Hellooo World！”），那将会很酷。