如何從wave文件中獲取音頻數據？

Question

我想用ruby構建語音識別引擎。我知道我永遠不會到達那裏，只是爲了好玩。我需要獲取存儲在wav文件中的聲音頻率的數據，以便與我想要識別的具有不同聲音的數據進行比較。 我會在ruby中編寫代碼，但是我不認爲有任何用Ruby編寫的庫，如果有的話它們會太慢。 關於ruby的好處是我可以通過IronRuby或Java通過Jruby爲.net使用庫。 我怎樣才能得到頻率數據？

Answer 1

波形文件不是太複雜，實質上它只是一系列音頻樣本：http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html。

一旦您可以讀取樣本，下一步就是通過FFT轉換來運行它們，以便獲取頻率內容。應該有一些可以使用的開源實現，或者你可以自己實現一個。

你所要做的事情需要對信號處理背後的音頻和數學有所瞭解，所以也許你會想從一本關於這個主題的書開始。

Answer 2

您應該閱讀一些關於說話人識別的論文。而且你也可以在因特網上找到許多庫來解決這個問題。 要建立一個說話人識別系統（可以識別系統或驗證系統），你需要：

• 好音頻功能（你想找到的東西，將描述你有每個揚聲器明確地聲音數據集）中，大多數音頻特徵是在分類術語頻譜上提取的（這意味着對信號應該靜止的音頻信號的小幀採取的信號進行FFT處理）。但我們從不將頻譜本身（FFT的對數）作爲描述符（頻譜中太多無用的信息）。描述某人的聲音最重要的是頻譜的包絡。你一定要看一下名爲MFCC的音頻描述符（對於Mel頻率倒譜系數），這是廣泛用於揚聲器識別任務的音頻特徵的動機。

• 那麼你還需要一個好的分類器（類似於GMM，SVM ...），因爲這個問題是使用監督機器學習算法解決的。基本上，您需要爲每個想要識別的揚聲器訓練模型，然後使用尚未用於訓練的數據測試模型。該模型