编写一个识别声音并执行动作的程序

Question

我想写一个能够存储声音模式的程序，例如火车口哨，号角（哔哔声）......通过麦克风听声音..​​....然后在听到了声音。我知道一个小蟒蛇，很久以前在VB编程。主要是我是Oracle，PLSQL的人。该程序将需要一个适度的用户界面。

解决此问题的最佳解决方案组合（语言，第三方附加组件等）是什么？

Answer 1

我的猜测是，在这种情况下，阻力最小的路径是将第三方音频识别库与高级语言（例如Java或其他.NET语言，如C＃或VB）结合使用。 NET）。

您可以先从Digital Sound Processing和音频识别领域进行一些研究。

当您找到具有您感兴趣功能的库或框架，并使用您选择的语言进行绑定时，请开始使用它。

请参阅MARF（一个Java库），也许微软在这个领域的工作与System.Speech.Recognition命名空间（如果我没记错的话，已经与新的Windows操作系统集成）

编辑 - 桌面与网络游戏

在您收到的有关使用Flash或Silverlight的评论中，您的解决方案既可以在桌面上也可以在网络上使用。

首先，我想指出Flash和Silverlight实际上都在客户端计算机上运行。不同之处在于它们在Web浏览器的上下文中运行，并且用户不必安装应用程序。否则它们与桌面应用程序没什么不同，用户显然必须为其浏览器安装Flash of Silverlight插件。

如果这是您所追求的（即用户无需安装您的应用程序），那么您可以查看Flash，Silverlight或Java Web Start。实际上JAVA Web Start可能是一个很好的候选者，因为你可以利用MARF framework。

但是，如果您决定使用Flash，Silverlight或Java Web Start，则可能需要处理一些安全问题，因为访问客户端系统资源必然需要一些特权，即大多数“基于Web的应用程序”通常不需要。

Answer 2

Sphinx是一种语音识别系统。它可能会被修改甚至训练成以您期望的方式工作。

Answer 3

如果您正在聆听特定的喇叭或火车哨声录音，程序事先知道，那么如果声音充分独特，您将能够可靠地检测并区分它们

对节目之前没有听过的新声音进行分类（听起来像喇叭，或者像火车哨声等）是一个更难的问题。

在任何一种情况下，声音识别算法通常会查看录制声音的频谱（参见Miky D关于数字声音处理的链接），并对此数据执行一些pattern recognition，而不是录制的波形本身

对于语言和第三方库，请选择能够让您轻松获取录制的音频数据的内容。 Java在这方面似乎很好（另请参阅Java机器学习算法WEKA）。虽然有语音和音乐分析的程序/库，我不知道为任意声音设计的，所以你可能最终必须自己编写分析算法。

Answer 4

我所知道的大多数算法使用spectrogram（即光谱与时间）来区分声音。根据光谱图的不同，可以估算出这个问题有多难。

声音的一个方面可能使它们更容易与语音区分开来，它们可能具有清晰的谐波结构（即看起来更像小提琴而不是维基百科链接中的声音）。这种谐波结构在区分声音方面非常有用，可能对您的问题有所帮助。这让人联想到另一个地方：有很多工作可以区分具有清晰谐波结构的鸟类歌曲，以及许多已发布的算法，但我不知道可以扩展到您需求的免费软件。尽管如此，使用鸟鸣分析软件来查看您的声音文件可能会很有用。例如，参见Raven项目，尽管有许多其他免费的光谱图包。