我正在开发一个需要检测某些语音模式的项目。 例如＆＃34;有人在尖叫＆＃34;：因为我不知道那个人是谁，孩子，男人，女人......每个人都有自己的声音......等等。
所以，我正在寻找一种方法来检测尖叫＆＃34;例如，保存尽可能多的＆＃34;尖叫＆＃34;尽可能的话，当我需要检查一个声音是否是一个尖叫的＆＃34;声音，我可以为它创建一个指纹，然后搜索，看看我是否可以在＆＃34;尖叫＆＃34;的列表中找到相似性。指纹我已经有了。
我的方法是使用类似以下项目的东西：
每个人都会给我一个特定声音的独特指纹，对吗？ 我的问题是： 我怎样才能在＆＃34;尖叫＆＃34;的列表中搜索相似性？指纹，是否有任何可能的方法来生成得分或返回每个指纹的相似度百分比，以便我可以决定我测试的语音是％是％还是尖叫？
谢谢， J.B
答案 0 :(得分：2)
我的方法是使用类似以下项目的东西：
不太好主意，尖叫声通常是相当稳定的声音，而所有这些图书馆都会搜索声音中的不规则。他们不会发现任何东西。最好使用简单的DNN-LSTM分类器。您可以使用tensorflow或任何其他DNN框架进行训练。你可以在这里找到算法的描述;
Deep Recurrent Neural Network-based Autoencoders for Acoustic Novelty Detection
或在这里：
Deep Neural Networks for Automatic Detection of Screams and Shouted Speech In Subway Trains
我怎样才能在＆＃34;尖叫＆＃34;的列表中搜索相似性？指纹，是否有任何可能的方法来生成得分或返回每个指纹的相似度百分比，以便我可以决定我测试的语音是％是％还是尖叫？
在您的第一个库中，您可以使用queryResult.BestMatch.Confidence例如：
置信度 - 返回[0,1]之间的值。低于0.15的值很可能是误报。大于0.15的值很可能完全匹配。对于良好的音频质量查询，您可以获得信心＆gt; 0.5。