标签： python audio speech-recognition wav
我有一个会议记录数据，其中有4个人坐在一起聊天。对于每个人，我都有WAV格式的翻领记录。现在，我想基于python中的这4个WAV文件生成讲话状态，例如，如果人1在讲话，而其他3在时间范围0不在讲话，则生成的向量应为： 1000 我在网上搜索，发现有一个名为wave的程序包，但是我不确定如何进行处理，例如，尽管第2人没有讲话，但他的翻领唱片中仍然会有一些噪音信号。
对我有什么建议吗？非常感谢！