通过比较语音（语音）进行python人工认证

Question

我正在使用人类语音创建人类认证系统。

因此，系统将具有一个保存人类语音的目录，并将其与当前语音进行比较。

经过比较，它应该能够识别该人。我不知道是否可能。

目前，我能够做到以下几点：

1. 保存麦克风中的音频文件。
2. 语音到文本的转换。
3. 获取音频形状，持续时间和数据类型。
4. 制作音频文件图。

代码：

import speech_recognition as sr
import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile

r = sr.Recognizer()
with sr.Microphone() as source:                
    audio = r.listen(source) 
    with open("./a_1.wav","wb") as f:
        f.write(audio.get_wav_data())

try:
    a = r.recognize_google(audio)
    print(a)    
except LookupError:                            
    print("Could not understand audio")

frequency_sampling, audio_signal = wavfile.read("./a_1.wav") 
print('Signal shape:', audio_signal.shape)
print('Signal Datatype:', audio_signal.dtype)
print('Signal duration:', round(audio_signal.shape[0] / 
float(frequency_sampling), 2), 'seconds')

audio_signal = audio_signal / np.power(2, 15)

length_signal = len(audio_signal)
half_length = np.ceil((length_signal + 1) / 2.0).astype(np.int)

signal_frequency = np.fft.fft(audio_signal)

signal_frequency = abs(signal_frequency[0:half_length]) / length_signal
signal_frequency **= 2

len_fts = len(signal_frequency)

if length_signal % 2:
   signal_frequency[1:len_fts] *= 2
else:
   signal_frequency[1:len_fts-1] *= 2

signal_power = 10 * np.log10(signal_frequency)

x_axis = np.arange(0, half_length, 1) * (frequency_sampling / length_signal) / 1000.0

plt.figure()
plt.plot(x_axis, signal_power, color='black')
plt.xlabel('Frequency (kHz)')
plt.ylabel('Signal power (dB)')
plt.show()

plt.plot(time_axis, audio_signal, color='blue')
plt.xlabel('Time (milliseconds)')
plt.ylabel('Amplitude')
plt.title('Input audio signal')
plt.show()

为了进行语音比较，我尝试了：

import audiodiff
print audiodiff.audio_equal('a_1.wav', 'a_2.wav', ffmpeg_bin=None)

# false

• A_1和A_2的音频内容相同，但由于是人类所说的，因此返回 false
音频的
• Matplotlib 图是不同的。

任何人都可以帮助我进行语音人工身份验证。