我想將聲音從麥克風轉換爲二進制，並從數據庫匹配它

Question

我想將麥克風的聲音轉換爲二進制，並從數據庫中匹配它（一種語音識別程序，但不知道如何？從麥克風獲得直接的聲音，這樣我可以將它轉換爲二進制代碼有可能還是不請指引我）

Answer 1

看到這個：

http://www.dotnetspider.com/resources/4967-How-record-voice-from-microphone.aspx

Answer 2

你不會要能夠通過對聲音數據進行二進制比較來識別聲音。特定聲音的二進制文件不會與該聲音的模擬相同，除非由於幾乎所有內容的細微差異而確實是相同的文件。你需要做一些信號處理來對數據進行模糊比較。您可以閱讀關於wikipedia上的信號處理。

您可能會發現使用第三方庫更容易爲您處理聲音。像this可能是一個好的開始。

Answer 3

您正在查看兩個非常不同的問題。

第一個技術非常嫺熟：從麥克風獲取聲音成數字波形。如何做到這一點完全取決於您使用的操作系統和API（在Windows上，您可能正在查看DirectX音頻或ASIO）。通常，這是你如何進行：

1. 設置用於麥克風的記錄緩衝器，用合適的參數（信道數目，聲卡上的物理輸入，採樣率，位深度，緩衝器大小）
2. 開始錄製。這通常涉及將聲音庫指向回調函數以處理記錄的緩衝區。
3. 在回調中，讀取緩衝區，將其轉換爲合適的格式，然後將其附加到您選擇的音頻文件。 （您也可以只記錄到RAM，但更長的記錄可能會超過可用存儲空間）。
4. 存儲在合適的數據庫字段錄製的音頻（某種二進制BLOB的）

這是比較容易的部分，雖然;更難的部分是將大塊音頻數據與其他塊匹配。一個天真的方法是嘗試找到精確的匹配，但這對你沒有多大的幫助，因爲你找到的機會幾乎爲零 - 錄音設備，甚至是最好的設備，會引入一些隨機噪聲，並且錄音設置會有所不同無論你是否願意，都可以略微提高一點，所以即使你有人說了兩遍，完全相同，你仍然可以在錄製的音頻中看到不同之處。

然後，您需要做的是找到波形的某些典型特徵。事情可以找有：

• 總體幅度形狀
• 基頻
• 選擇的諧波（共振峯）

提取這些是不平凡的，涉及到相當嚴重的數學;然後你必須將它們壓縮成某種指紋，並找到一種方法將它們與一些模糊性進行比較（以便近似匹配足夠好，而不需要精確匹配）。找到正確的參數和比較算法並不容易，而且需要進行大量的調整和測試;你最好的選擇是去找一個能爲你做到這一點的圖書館。