識別某人講話時的片段？

Question

有沒有人知道一個（最好是C＃.Net）庫，可以讓我在聲音錄製中找到某個特定人員正在講話的那些片段？

Answer 1

這可能與該工具包喊：http://shout-toolkit.sourceforge.net/index.html

它是用C++編寫，併爲Linux測試，但它也應該在Windows或OSX下運行。

該工具包是我的博士研究自動語音識別（ASR）的副產品。將它用於ASR本身可能並不那麼簡單，但對於語音活動檢測（SAD）和diarization（查找某個特定人員的所有語音）來說，使用它非常容易。這裏是一個例子：

1. 創建一個16KHz，16位，小端，單聲道無標題PCM音頻文件。我使用ffmpeg創建原始文件：ffmpeg -i [INPUT_FILE] -vn -acodec pcm_s16le -ar 16000 -ac 1 -f s16le [RAW_FILE]以小端編碼文件大小（4字節）爲前綴無標頭數據。確保該文件具有.raw擴展名，因爲shout_cluster根據擴展名檢測文件類型。

2. 執行語音/非語音分割： ./shout_segment -a [RAW_FILE] -ams [SHOUT_SAD_MODEL] -MO [SAD_OUTPUT] 輸出文件將提供在其中某人正在講話片段（標記當然，因爲這一切都是自動完成的，所以系統可能會出錯......），其中有聲音不是語音（「聲音」）或靜音（「靜音」）。

3. 執行diarization： ./shout_cluster -a [RAW_FILE] -mo [DIARIZATION_OUTPUT] -mi [SAD_OUTPUT] 使用shout_segment的輸出，它會嘗試確定多少個揚聲器的記錄活躍，標記每個揚聲器（「SPK01」，「SPK02」等），然後查找每個揚聲器的所有語音段。

我希望這會有所幫助！

Answer 2

儘管上述答案是準確的，但我在Linux上安裝SHOUT時遇到了安裝問題的更新。 undefined reference to pthread_join其解決方案我發現是從喊安裝拉鍊打開configure-make.sh並修改該行

CXXFLAGS="-O3 -funroll-loops -mfpmath=sse -msse -msse2" LDFLAGS="-lpthread" ../configure 

到

CXXFLAGS="-O3 -funroll-loops -mfpmath=sse -msse -msse2" LDFLAGS="-pthread" ../configure 

注意的lpthread來改變在Linux系統上的pthread。

操作系統：Linux Mint的18 了聲版：發佈2010年版，0-3