根据语调比较源音频和麦克风输入

Question

我正在开发面向中级学习者的语言学习应用程序。我想做的一件事就是帮助学习者学习语调。

**我的想法是：

1. 以音高轮廓播放音频
2. 当学习者遮蔽音频时，在音频音高轮廓的顶部显示麦克风输入的音高轮廓作为对用户的反馈
3. 将麦克风输入与音频进行比较以产生分数。**

我对发音或语音识别不感兴趣 - 只要语调好，他们就可以为我所关心的所有人吹口哨。

我已经完成了一些在线研究（主要是pitch contour和intonation比较关键字），这些是我找到的最接近的：。

1. https://github.com/danafallon/IntonationCoach
2. https://github.com/melizalab/chirp

根据我的搜索，没有现成的任何内容，但如果有人可以指出要搜索的其他关键字，那将不胜感激。