我有一个java应用程序。我想在其上实现语音识别功能。
就像这样：
假设我有一些被用户称为“嘿”，“一”，“两个”茶的记录。当他/她说“嘿”时，语音识别api应该识别记录的第一个输入“嘿”，“一个”，“两个”，“茶”可能是英语中没有单词的东西。
我已经找过一些支持语音识别或有audiofingerprintin算法的api。但我不想使用它们。
让我解释为什么我不使用这些api。 首先，语音识别apis尝试理解单词并转换为文本。但是这仅限于api支持的语言。即使语音识别api支持英语语言。由于用户发音不好，可能会导致结果不佳。所以我不想在我的应用程序中使用语音识别API。因为该功能不应该基于语言。
此外，当我寻找语音识别api时，我找到了“audio pringerprint”api。我使用了开源的“ musicg ”api。然后，我开发了一个测试应用程序。该应用程序记录4个包含unword语音的不同音频文件。之后，我录制了一个类似于其中一个的语音，测试api使用musicg api将最后一个与之前的音频文件进行了比较。然而，结果也很糟糕。
正如我之前提到的，我需要获得与旧手机一样的语音识别功能。
答案 0 :(得分：1)
检查kaldi http://kaldi-asr.org/ 或者这个张量流教程：https://www.tensorflow.org/tutorials/audio_recognition
在这两种情况下，你都可以训练模型，它不是基于语言的。您可以为某些特定的声音或口音或某些特定背景训练模型。
此外，也许这个项目会对你有所帮助：https://github.com/cmusphinx/g2p-seq2seq 它不使用语言模型并将音频转换为音素。