语音分段

Question

我正在帮助一个农场按照他们的鸣叫将群体分组，以便具有相似打鸣的雄鸽将生活在一起。这位农民说，他想知道鸡是否会从别人那里学到任何行为，如果有的话，每当他得到一只小鸡，他就会把它变成一个好鸡群，并希望它能给新的小鸡带来一些好的影响。我的工作是记录每个组的拥挤相似性，几周后，比较结果，看看组中的任何增加的相似性。

我的想法是编写一个程序，为两个输入的wav文件提供相似性分数，因此每个公鸡可以找到最相似的室友并组成组，然后将相似的组分组，最后分组到多个组。

我有3只公鸡的啼叫，并用光谱图分析（每只公鸡挤了两次）：

公鸡A：

公鸡B：

公鸡C：

在计算相似度之前，我想将打鸣分成若干段，这样每个段保留一定的频率（稍后将用于计算相似度）。我目前的解决方案是：

步骤1：当强度线不连续时，声音会被间隙分开;
第2步：当频率发生严重变化时，该时间将被视为某个细分受众群的边界

我在考虑上面的步骤是否足够。我希望其他人有更好的建议，如何改进细分。有没有什么方法或算法适合我的情况？谢谢！

Answer 1

最好的方法是使用一些语音识别技术。我用这个项目来识别鸟歌。就我而言，我使用HTK（隐马尔可夫工具包）来构建能够识别鸟类歌唱的HMM。 您可以将Mel刻度更改为与您的案例更相似。 Mel量表（来自MFCC）与人类声音有关。如果你在谷歌搜索，有一些与鸟类相关的论文会改变梅尔或巴克（PLP）的规模以匹配动物的声道。

您将需要许多样本来获得稳健的训练HMM参数并分析有多少状态是最好的。我建议这三首歌中至少有100个样本，并使用3个发射HMM状态。 我可以帮你建立一个HMM系统。请联系我。

路易斯·尤贝尔 ASR实验室 www.asrlabs.com.br

Answer 2

去年我们有一些与语音相关的项目。这可能有点类似。我记得使用机器学习工具和库是非常有用的，例如weka，rapidminer，encog。使用交叉验证测试示例是值得的。可能值得测试的参数：MFCC，YIN。我认为所有相关的语音识别主题可能对您有用：）