我想区分音频文件中的男性和女性声音并将它们分开。作为输出，我希望将两个声音分开。可以请你帮我解决，可以用java或c ++完成编码
答案 0 :(得分：12)
这可能是一个非常复杂的问题，它类似于编写自己的语音识别（或识别）算法。
您首先要将音频转换为频域，这是使用Fast Fourier Transform完成的。
对于每次采用FFT的切片，这将为您提供频率及其幅度的列表。你会以某种方式通过分析谐波来检测基音。二次和三次谐波最清晰。很难弄清楚它们是哪种谐波，尤其是背景噪声以及人们声音中谐波最大的自然差异。然后，您可以尝试通过您猜测的基本音调来判断说话者是男性还是女性。
请记住，在许多词性中，如s s声（'s'，'t'等）没有音调，只有噪音。它需要非常聪明。
希望能让你朝着正确的方向前进。
注意：如果两个声音是同时发生的，并且你想要将它们分开，那么这对你没有帮助。我不相信任何活着的人都解决了这个问题。
答案 1 :(得分：2)
我认为这已经成为可能了。我刚刚开始在斯坦福大学和Andrew Ng教授一起参加机器学习的在线课程，在第一次演讲中他展示了一个演示，其中处理了两个重叠声音的录音并且提取了个别声音（同样是音乐背景和一个人说话）。显然，它使用无监督学习算法，允许它提取两个底层模式。您可能希望查看该课程（此处有一个版本的课程：http://www.academicearth.org/courses/machine-learning）
答案 2 :(得分：2)
使这成为可能的一个工具是 LIUM spkdiarization 。它是用Java编写的，可在GPL下获得，它是一种语音识别工具，使用男性，女性和儿童的统计模型。幸运的是，提供了模型，您可以使用它而无需标记录音并训练模型。
有关示例，请参阅scripting page of the LIUM wiki，在页面中搜索“性别”。
答案 3 :(得分：0)
你在问什么是一项艰巨的任务。 thomasrutter写了一些“指针”如何做到这一点 - 但是，我想如果你想在任何地方使用它（在各种音乐中（当然都有歌唱）），算法必须非常强大。）也许从歌曲中分离（分割）单个乐器样本会更好/更容易。
答案 4 :(得分：0)
我首先要说这是不可能的。语音识别真的很难。
你的问题不清楚 - 声音是否重叠？如果是这样，将它们分开将是非常困难的。
如果它们是分开的，你更可能的赌注是拥有大量的男性和女性声音样本，并寻找共同特征（以及以编程方式识别它们的方式）。如果样品没有干净地记录（如果它们有背景噪音），事情会变得更加复杂。
你可能会有平均的语气 - 男性的声音通常比女性更深。