使用Swift分析录制的音频文件，以便将语音转换为文本

Question

我可以使用Swift for iOS录制音频并播放录制的音频文件。我要问的是，是否可以检查录制的音频文件中的背景噪音和音量/分贝所以我可以决定它对我的语音文本框架是否足够好。框架不是问题，我研究了所有可用的框架。

我很好奇我是否可以使用AVFoundation或Accelerate Framework或任何其他框架分析录制的音频文件，以检查音频文件是否足够好/清晰，以便使用语音到文本框架进行处理。

我没有很多音频知识，但我已经研究了一下，发现我可以在录制时获得峰值和平均分贝值，但背景噪音怎么样？

使用Swift分析录制的音频文件时，任何信息都会有所帮助。

Answer 1

SNR估计是相当发达的领域。您需要实现一个语音活动检测器，它将噪声与语音分开，然后分别计算噪声能量和信号能量，然后计算比率。这稍微超出了简单的数学，但您需要了解统计数据以实现Wada SNR这样的合理算法，该算法已实现here。

你将无法在Swift中找到它的实现，这种软件通常用C或Matlab实现，你将不得不移植实现。

与语音识别相比，噪声估计是一个小问题，涉及更高级的算法。最好在Swift中考虑现有的语音识别包，如TLsphinx或OpenEars。